svm 文章 進(jìn)入svm技術(shù)社區(qū)
適用于手語采集與輸入的智能手套及翻譯系統(tǒng)
- 設(shè)計(jì)并實(shí)現(xiàn)了一款以ESP32-C3-WROOM-02為核心，基于物聯(lián)網(wǎng)、UDP協(xié)議、姿態(tài)傳感器和彎曲傳感器的適用于手語采集與輸入的智能手套及翻譯系統(tǒng)。該系統(tǒng)通過在手套上綁定姿態(tài)傳感器MPU6050，配合彎曲傳感器動(dòng)態(tài)監(jiān)測(cè)手的運(yùn)動(dòng)和姿態(tài)，通過ESP32芯片采集傳感器數(shù)據(jù)并做初步處理，經(jīng)單片機(jī)上的Wi-Fi模塊通過 UDP 協(xié)議傳輸給云端采用 SVM 算法識(shí)別靜態(tài)手勢(shì)，此外，本設(shè)計(jì)還搭建了基于Python的Web應(yīng)用程序框架Streamlit實(shí)現(xiàn)在網(wǎng)頁上實(shí)時(shí)呈現(xiàn)處理結(jié)果和全平臺(tái)兼容，方便用戶使用。
- 關(guān)鍵字： 202308 手勢(shì)識(shí)別 ESP32 彎曲傳感器 SVM 神經(jīng)網(wǎng)絡(luò)
了解基于FastCV視覺庫的SVM機(jī)器學(xué)習(xí)算法
- 了解基于FastCV視覺庫的SVM機(jī)器學(xué)習(xí)算法-SVM是一種常用的機(jī)器學(xué)習(xí)算法，在人工智能、模式識(shí)別、圖像識(shí)別等領(lǐng)域有著非常廣泛的應(yīng)用，本節(jié)將結(jié)合FastCV庫提供的fcvSVMPredict2Classf32機(jī)器學(xué)習(xí)函數(shù)API，對(duì)SVM原理及用法進(jìn)行介紹，為后續(xù)大家在使用FastCV進(jìn)行圖像識(shí)別類的應(yīng)用開發(fā)提供參考。
- 關(guān)鍵字： FastCV SVM 機(jī)器學(xué)習(xí)
基于SVM和sigmoid函數(shù)的字符識(shí)別自適應(yīng)學(xué)習(xí)算法
- 手寫字符的一個(gè)突出特點(diǎn)就是模式具有較大的變化性，表現(xiàn)為模式空間的類內(nèi)分布過于分散，類間交疊嚴(yán)重，這使得識(shí)別模型無法“恰當(dāng)”地?cái)M合每類模式的數(shù)據(jù)分布或類別之間的判別面。在識(shí)別模型過程中，通過自適應(yīng)學(xué)習(xí)就能較好地?cái)M合特定書寫者筆跡特征向量的空間分布，從而有利于識(shí)別率的提高。當(dāng)然，自適應(yīng)學(xué)習(xí)的結(jié)果只是提高了對(duì)特定書寫者的識(shí)別率，但通過為不同人的筆跡特征向量提供不同的識(shí)別模型，就能夠從總體上提高系統(tǒng)的識(shí)別率。 任何一種自適應(yīng)學(xué)習(xí)算法都基于一定的識(shí)別方法。從目前已有的文獻(xiàn)來看，大致
- 關(guān)鍵字： SVM sigmoid
飛思卡爾與南京航空航天大學(xué)合作推出空間矢量調(diào)制–直接轉(zhuǎn)矩控制(SVM-DTC)解決方案
- 飛思卡爾半導(dǎo)體 [NYSE: FSL] 與南京航空航天大學(xué)日前聯(lián)合宣布，雙方合作推出無位置傳感器型空間矢量調(diào)制—直接轉(zhuǎn)矩控制(SVM-DTC)解決方案。該創(chuàng)新解決方案基于飛思卡爾數(shù)字信號(hào)控制器(DSC)56F8xxx系列，并極好地解決了壓縮機(jī)、風(fēng)機(jī)控制應(yīng)用在綠色環(huán)保、高性價(jià)比、面市時(shí)間和自適應(yīng)性等方面的多項(xiàng)要求。 與當(dāng)前業(yè)內(nèi)采用的其它控制算法相比，SVM-DTC是一種結(jié)構(gòu)簡(jiǎn)單、動(dòng)態(tài)性能良好的自適應(yīng)電機(jī)控制算法，具有低噪音、低振動(dòng)等特點(diǎn)。SVM-DTC不依賴于轉(zhuǎn)子參數(shù)，控制回路較少，因
- 關(guān)鍵字： 飛思卡爾 SVM-DTC
基于優(yōu)化GDTW-SVM算法的聯(lián)機(jī)手寫識(shí)別
- 摘要：基于高斯動(dòng)態(tài)時(shí)間規(guī)整核函數(shù)(Gaussian Dynamic Time Warping kernel)的支持向量機(jī)(GDTW-SVM)在聯(lián)機(jī)手寫識(shí)別中有較高的識(shí)別率，但是存在計(jì)算復(fù)雜度高的問題。結(jié)合聯(lián)機(jī)手寫識(shí)別中特征向量的特點(diǎn)，提出了通過引入
- 關(guān)鍵字： GDTW-SVM 算法 聯(lián)機(jī) 識(shí)別
基于LS-SVM非線性內(nèi)?？刂圃诤缚p跟蹤中的運(yùn)用
- 焊接過程中，由于工件的加工誤差、熱變形、定位誤差等各種因素的影響，經(jīng)常使焊槍偏離焊縫中心，導(dǎo)致焊接質(zhì)量下降...
- 關(guān)鍵字： LS-SVM
一種基于SVM的數(shù)字儀表顯示值識(shí)別方法
- 數(shù)字儀表識(shí)別在工業(yè)中應(yīng)用廣泛，但各種儀表差別較大，方法也差別很多。在此提出了一種數(shù)字儀表顯示值的快速識(shí)別方法，該方法首先由計(jì)算機(jī)自動(dòng)定位分割圖像中的數(shù)字區(qū)域，并實(shí)現(xiàn)了單個(gè)數(shù)字的切分，然后根據(jù)數(shù)字特點(diǎn)，創(chuàng)新性地改進(jìn)了特征提取方法，對(duì)每個(gè)數(shù)字圖像提取了一組具有較高區(qū)分度，且計(jì)算簡(jiǎn)單的典型特征。最后，基于SVM識(shí)別，構(gòu)造了一種數(shù)字識(shí)別器，實(shí)現(xiàn)了儀表顯示值的實(shí)時(shí)識(shí)別。
- 關(guān)鍵字： 識(shí)別 方法 顯示 儀表 SVM 數(shù)字 基于
基于LS-SVM辨識(shí)的溫度傳感器非線性校正研究
- 引 言 在傳感器非線性校正領(lǐng)域，國內(nèi)外許多學(xué)者提出多種方法，并得到廣泛應(yīng)用，傳統(tǒng)方法歸納起來可分兩類：一類是公式法，即以實(shí)驗(yàn)數(shù)據(jù)為基礎(chǔ)，用最小二乘等系統(tǒng)辨識(shí)方法求取擬合曲線參數(shù)，建立校正曲線的解析表達(dá)式;另一類是表格法，以查表為手段，通過分段線性化來逼近傳感器的非線性特性曲線。 近些年來，隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展，又有不少學(xué)者利用神經(jīng)網(wǎng)絡(luò)的非線性回歸能力，擬合傳感器輸出與輸入的非線性關(guān)系，建立傳感器傳輸特性的逆模型，從而使傳感器亦即神經(jīng)網(wǎng)絡(luò)構(gòu)成的系統(tǒng)線性化。但是，該方法也存在一定的局限性，主要表
- 關(guān)鍵字： 測(cè)試 測(cè)量 LS-SVM 溫度傳感器 非線性校正 傳感器
基于STS―SVM技術(shù)的級(jí)聯(lián)型多電平變流器
- 在簡(jiǎn)要介紹了STS―SVM技術(shù)在級(jí)聯(lián)型多電平變流器中的實(shí)現(xiàn)方法的基礎(chǔ)上分析了其技術(shù)特點(diǎn)，并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。
- 關(guān)鍵字： STS SVM 級(jí)聯(lián)型 電平
| 共12條 1/1 1 |
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會(huì)員服務(wù) -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機(jī)EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
京ICP備12027778號(hào)-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473