首頁(yè)　 資訊　 商機(jī) 　 下載　 拆解 　 高校　 招聘 　 雜志　 會(huì)展　 EETV　 百科 　 問(wèn)答　 電路圖　 工程師手冊(cè) 　 Datasheet　 100例 　 活動(dòng)中心　 E周刊閱讀 　 樣片申請(qǐng)
EEPW首頁(yè) >> 主題列表 >> ls-svm

適用于手語(yǔ)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(yǔ)采集與輸入的智能手套及翻譯系統(tǒng)。該系統(tǒng)通過(guò)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(guò)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(guò) 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(yè)上實(shí)時(shí)呈現(xiàn)處理結(jié)果和全平臺(tái)兼容，方便用戶(hù)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(jué)庫(kù)的SVM機(jī)器學(xué)習(xí)算法

  • 了解基于FastCV視覺(jué)庫(kù)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(kù)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(lèi)的應(yīng)用開(kāi)發(fā)提供參考。
  • 關(guān)鍵字： FastCV  SVM  機(jī)器學(xué)習(xí)  

斯坦福機(jī)器學(xué)習(xí)公開(kāi)課筆記8- 核技法、軟間隔分類(lèi)器、SMO算法

  • 　　本篇對(duì)應(yīng)斯坦福公開(kāi)課的第8個(gè)視頻，主要講述了SVM(Support Vector Machine,支持向量機(jī))的剩余部分。即核技法(Kernels)、軟間隔分類(lèi)器(softmargin classifier)、對(duì)SVM求解的序列最小化算法(Sequential Minimal Optimization,SMO)以及SVM的一些應(yīng)用?！　×硗?，由于筆記6-8大部分都是SVM的內(nèi)容，因而打包上傳到了csdn資源上，下載請(qǐng)猛擊此處。 　　 
  • 關(guān)鍵字： SVM  SMO  

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(xiě)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(lèi)內(nèi)分布過(guò)于分散，類(lèi)間交疊嚴(yán)重，這使得識(shí)別模型無(wú)法“恰當(dāng)”地?cái)M合每類(lèi)模式的數(shù)據(jù)分布或類(lèi)別之間的判別面。在識(shí)別模型過(guò)程中，通過(guò)自適應(yīng)學(xué)習(xí)就能較好地?cái)M合特定書(shū)寫(xiě)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(shū)寫(xiě)者的識(shí)別率，但通過(guò)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(lái)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(wú)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?xún)r(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(lài)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(xiě)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(xiě)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(wèn)題。結(jié)合聯(lián)機(jī)手寫(xiě)識(shí)別中特征向量的特點(diǎn)，提出了通過(guò)引入
  • 關(guān)鍵字： GDTW-SVM  算法  聯(lián)機(jī)  識(shí)別    

基于LS-SVM的車(chē)牌圖像傾斜校正新方法

  • 汽車(chē)牌照的自動(dòng)識(shí)別技術(shù)有重要的應(yīng)用價(jià)值，是智能交通系統(tǒng)ITS(Intelligent Traffic System)的關(guān)鍵技術(shù)之一。牌照識(shí)別系統(tǒng)中圖像的獲取一般通過(guò)固定架設(shè)在通道上方及兩旁的CCD攝像機(jī)拍攝得到，理想情況下拍攝的車(chē)牌圖
  • 關(guān)鍵字： LS-SVM  車(chē)牌圖像  傾斜校正  方法    

基于決策導(dǎo)向非循環(huán)圖SVM的汽車(chē)車(chē)型識(shí)別

  • 隨著社會(huì)的發(fā)展，車(chē)輛越來(lái)越多，交通變得非常繁忙，城市對(duì)于公路和交通的管理已成為一個(gè)很重要的問(wèn)題。交通管理部門(mén)要實(shí)現(xiàn)現(xiàn)代化的科學(xué)管理，必須依靠交通管理系統(tǒng)。汽車(chē)是交通系統(tǒng)管理中的主要對(duì)象，能否自動(dòng)識(shí)別汽
  • 關(guān)鍵字： SVM  循環(huán)  汽車(chē)  車(chē)型識(shí)別    

基于LS-SVM非線性?xún)?nèi)?？刂圃诤缚p跟蹤中的運(yùn)用

  • 焊接過(guò)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(guó)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(lái)可分兩類(lèi)：一類(lèi)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(lèi)是表格法，以查表為手段，通過(guò)分段線性化來(lái)逼近傳感器的非線性特性曲線。 　　近些年來(lái)，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(guó)際技術(shù)信息咨詢(xún)有限公司
備案 京ICP備12027778號(hào)-2 北京市公安局備案：1101082052    京公網(wǎng)安備11010802012473