首页  资讯  商机   下载  拆解   高校  招聘   杂志  会展  EETV  百科   问答  电路图  工程师手册   Datasheet  100例   活动中心  E周刊阅读   样片申请
EEPW首页 >> 主题列表 >> 支持向量机(svm)

支持向量机(svm) 文章 进入支持向量机(svm)技术社区

适用于手语采集与输入的智能手套及翻译系统

  • 设计并实现了一款以ESP32-C3-WROOM-02为核心,基于物联网、UDP协议、姿态传感器和弯曲传感器的适用于手语采集与输入的智能手套及翻译系统。该系统通过在手套上绑定姿态传感器MPU6050,配合弯曲传感器动态监测手的运动和姿态,通过ESP32芯片采集传感器数据并做初步处理,经单片机上的Wi-Fi模块通过 UDP 协议传输给云端采用 SVM 算法识别静态手势,此外,本设计还搭建了基于Python的Web应用程序框架Streamlit实现在网页上实时呈现处理结果和全平台兼容,方便用户使用。
  • 关键字: 202308  手势识别  ESP32  弯曲传感器  SVM  神经网络  

基于BSM1的硝态氮浓度辨识建模

  •   俞方罡,秦 斌(湖南工业大学,湖南 株洲 412000)  摘  要:污水处理过程复杂多样,为方便研究工作,根据基准仿真1号模型(Benchmark Simulation Modelno.1,BSM1)搭建simulink仿真模型。由于控制溶解氧和硝态氮浓度的稳定是污水处理过程的关键,所以针对传统PI控制对大滞后非线性系统中硝态氮浓度控制性能低以及系统运行速度慢的问题,利用极限学习机(ELM)和支持向量机(SVM)的预测能力对硝态氮浓度进行模型辨识和比较。结果证明,在数据量较少的情况下,支持向量机(S
  • 关键字: 202002  污水处理  极限学习机  支持向量机  MATLAB仿真  

基于SVM的永磁无刷直流电机无位置传感器控制

  •   孙希凤,秦斌,王欣(湖南工业大学,湖南 株洲 412000)  摘 要:由于传统带位置传感器直流电机容易受到外界的影响、体积较大且电机运行时电刷与换向器摩擦造成损耗会减少电机寿命,为了减小位置传感器对电机的影响,针对永磁无刷直流电机的位置检测问题,提出了基于支持向量机的永磁无刷直流电机无位置传感器控制方法。采集直流电机电压值电流值作为支持向量机的输入,功率器件开关状态变量作为输出,对模型进行训练,得到支持向量机的模型初始参数。然后将训练好的模型参数应用到直流电机中进行仿真,并与极限学习机仿真结果进行对
  • 关键字: 202001  直流电机  支持向量机  位置检测  BLDC  

噪声背景下环境声音识别研究

  •   曾金芳,白冰,徐林涛(湘潭大学物理与光电工程学院,湖南 湘潭 411105)  摘 要:针对低信噪比下的环境声音识别效果不佳的情况,提出一种不同信噪比背景下的环境声音识别方法。  以伽玛通(Gammatone)变换的谱图为对象提取特征,生成灰度频谱图后映射成3种单色图,分别提取各单色图的扇形投影特征,在对得到的各方向的投影特征进行离散小波变换得到特征矩阵,并结合改进的最小均方误差(IMMSE)声音增强算法作为前端处理以减小噪声干扰,最后,利用支持向量机对带噪声音进行分类识别。实验结果表明:在-5dB的
  • 关键字: 201909  最小均方误差  声音识别  声音增强  谱图特征  扇形投影  支持向量机  

了解基于FastCV视觉库的SVM机器学习算法

  • 了解基于FastCV视觉库的SVM机器学习算法-SVM是一种常用的机器学习算法,在人工智能、模式识别、图像识别等领域有着非常广泛的应用,本节将结合FastCV库提供的fcvSVMPredict2Classf32机器学习函数API,对SVM原理及用法进行介绍,为后续大家在使用FastCV进行图像识别类的应用开发提供参考。
  • 关键字: FastCV  SVM  机器学习  

一种基于支持向量机的车型自动分类器设计方案

  • 提出一种基于支持向量机理论的车型分类器的设计方案。通过对实际车辆的图像采集、处理和分析,获取所需样本数据。采用有导师训练方法训练三个支持向量机识别器,使用测试样本对训练出的识别器进行性能测试。最后将三个识别器与表决器结合得到车型分类器。
  • 关键字: 支持向量机  智能交通  地感线圈  

斯坦福机器学习公开课笔记8- 核技法、软间隔分类器、SMO算法

  •   本篇对应斯坦福公开课的第8个视频,主要讲述了SVM(Support Vector Machine,支持向量机)的剩余部分。即核技法(Kernels)、软间隔分类器(softmargin classifier)、对SVM求解的序列最小化算法(Sequential Minimal Optimization,SMO)以及SVM的一些应用。  另外,由于笔记6-8大部分都是SVM的内容,因而打包上传到了csdn资源上,下载请猛击此处。    
  • 关键字: SVM  SMO  

基于RNS和SVM的断路器故障诊断研究

  • 针对高压断路器故障样本难以获取等问题,在研究了其机械特性的基础上,本文提出了一种基于实数阴性选择法(RNS)和支持向量机(SVM)的两级分类器诊断方法。建立分类器的数学模型。通过实数阴性选择算法产生检测器,进行第一次分类,对不属于检测器的数据导入二次分类器,进行二级分类。实验表明,基于实数阴性算法和支持向量机算法相结合的断路器故障诊断算法,对断路器的多种故障都能够有效地分类,提高了断路器故障诊断的准确率和速度。
  • 关键字: 实数阴性选择法  支持向量机  断路器  故障诊断  

基于ARM的文本独立笔迹鉴别系统设计

  • 基于ARM的文本独立笔迹鉴别系统设计, 笔迹,是具有个人特征的书写文字符号的形象系统,与个人书写习惯有密切联系。利用计算机进行个人笔迹鉴别,是模式识别的分支问题,是通过分析比较不同人笔迹的书写风格来判断书写者身份的一种技术方法。文本独立(Te
  • 关键字: 文本独立  笔迹鉴别  Gabor变换  支持向量机  

基于SVM和sigmoid函数的字符识别自适应学习算法

  •   手写字符的一个突出特点就是模式具有较大的变化性,表现为模式空间的类内分布过于分散,类间交叠严重,这使得识别模型无法“恰当”地拟合每类模式的数据分布或类别之间的判别面。在识别模型过程中,通过自适应学习就能较好地拟合特定书写者笔迹特征向量的空间分布,从而有利于识别率的提高。当然,自适应学习的结果只是提高了对特定书写者的识别率,但通过为不同人的笔迹特征向量提供不同的识别模型,就能够从总体上提高系统的识别率。   任何一种自适应学习算法都基于一定的识别方法。从目前已有的文献来看,大致
  • 关键字: SVM  sigmoid  

飞思卡尔与南京航空航天大学合作推出空间矢量调制–直接转矩控制(SVM-DTC)解决方案

  •   飞思卡尔半导体 [NYSE: FSL] 与南京航空航天大学日前联合宣布,双方合作推出无位置传感器型空间矢量调制—直接转矩控制(SVM-DTC)解决方案。该创新解决方案基于飞思卡尔数字信号控制器(DSC)56F8xxx系列,并极好地解决了压缩机、风机控制应用在绿色环保、高性价比、面市时间和自适应性等方面的多项要求。   与当前业内采用的其它控制算法相比,SVM-DTC是一种结构简单、动态性能良好的自适应电机控制算法,具有低噪音、低振动等特点。SVM-DTC不依赖于转子参数,控制回路较少,因
  • 关键字: 飞思卡尔  SVM-DTC  

基于支持向量机的联机手写识别

  • 电子产品世界,为电子工程师提供全面的电子产品信息和行业解决方案,是电子工程师的技术中心和交流中心,是电子产品的市场中心,EEPW 20年的品牌历史,是电子工程师的网络家园
  • 关键字: 联机手写识别  GDTW核函数  支持向量机  

基于自适应提升小波变换的电能质量检测节点

  • 随着新型电网技术的发展以及用户对电能质量PQ(PowerQuality)要求的提高,电能质量问题受到越来越多的关注。...
  • 关键字: 无线传感网络  支持向量机  TinyOS  

基于优化GDTW-SVM算法的联机手写识别

  • 摘要:基于高斯动态时间规整核函数(Gaussian Dynamic Time Warping kernel)的支持向量机(GDTW-SVM)在联机手写识别中有较高的识别率,但是存在计算复杂度高的问题。结合联机手写识别中特征向量的特点,提出了通过引入
  • 关键字: GDTW-SVM  算法  联机  识别    

基于支持向量机的沼气中CH4浓度预测

  • 摘要:组建了沼气检测的实验系统,采用国家标准混合气获取大量的浓度标定数据,分析了目前广泛应用的甲烷浓度预测算法及影响预测结果的因素,讨论了支持向量机在CH4浓度预测中的应用,在此基础上研究了将多通道探测器
  • 关键字: CH4  支持向量机  浓度预测    
共25条 1/2 1 2 »

支持向量机(svm)介绍

您好,目前还没有人创建词条支持向量机(svm)!
欢迎您创建该词条,阐述对支持向量机(svm)的理解,并与今后在此搜索支持向量机(svm)的朋友们分享。    创建词条

热门主题

树莓派    linux   
关于我们 - 广告服务 - 企业会员服务 - 网站地图 - 联系我们 - 征稿 - 友情链接 - 手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
备案 京ICP备12027778号-2 北京市公安局备案:1101082052    京公网安备11010802012473