排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
2.
3.
针对传统机器视觉的手势识别方法识别准确率低,抗干扰能力差等问题,提出了一种基于支持向量机(Support Vector Machine,SVM)手势分割和迁移学习的静态手势识别方法.本文使用SVM和迁移学习方法相结合构建新的手势识别模型,利用SVM对样本进行手势分割,将Inception-v3模型作为卷积神经网络模型基础,对网络参数进行fine-tuning,将预先经过手势分割处理后的样本导入模型训练,调整超参数得到新的最优手势识别模型,并在一定干扰环境下测试,得到测试结果.测试结果表明该方法识别准确率和实时反馈效率均高于传统方法,能高效识别手势,满足实际应用需求. 相似文献
4.
6.
7.
8.
9.
10.
针对心电波形,本文提出了一种基于层次结构的特征抽取和描述方法。在基线拟合、峰谷点识别后,通过在不同层次上对心电波形的划分,形成诸如波元、波群、不可分波群、特殊波群的层次结构。对于每一层次上的特征抽取与模式描述,文中均给出了具体方法和步骤。最后给出了计算实例。这种心电波形的层次描述方法简明有效,是进一步实现心电波形模式识别与疾病诊断的基础。 相似文献