您的位置: 专家智库 > >

潘孟贤

作品数:6 被引量:23H指数:3
供职机构:合肥工业大学安徽合肥更多>>
相关领域:电子电信自动化与计算机技术文化科学一般工业技术更多>>

文献类型

  • 5篇期刊文章
  • 1篇会议论文

领域

  • 3篇电子电信
  • 1篇天文地球
  • 1篇自动化与计算...
  • 1篇一般工业技术
  • 1篇文化科学

主题

  • 2篇矢量
  • 2篇矢量量化
  • 2篇图像
  • 1篇语音
  • 1篇语音识别
  • 1篇噪声
  • 1篇噪声环境
  • 1篇神经网
  • 1篇神经网络
  • 1篇矢量量化编码
  • 1篇特征参数
  • 1篇投影数据
  • 1篇图像编码
  • 1篇图像分类
  • 1篇图像重建
  • 1篇篇幅
  • 1篇字符
  • 1篇字符识别
  • 1篇微机
  • 1篇微机系统

机构

  • 6篇合肥工业大学
  • 1篇中兴通讯股份...

作者

  • 6篇潘孟贤
  • 2篇高隽
  • 2篇钱源诚
  • 1篇丁志中
  • 1篇黄玲
  • 1篇胡学友
  • 1篇单玉峰
  • 1篇芮坤生
  • 1篇赵迎春
  • 1篇甘龙

传媒

  • 1篇通信学报
  • 1篇计算机工程与...
  • 1篇电气电子教学...
  • 1篇CT理论与应...
  • 1篇信息技术
  • 1篇2002年合...

年份

  • 2篇2003
  • 2篇2002
  • 1篇1994
  • 1篇1992
6 条 记 录,以下是 1-6
排序方式:
《信号分析与处理》教材第二版编写后叙
2003年
本文介绍了编写《信号分析与处理》第二版 (芮坤生、潘孟贤、丁志中编著 ,高等教育出版社 2 0 0 3年 8月出版 )时在篇幅、内容、结构方面的考虑 ,以及在一些重点难点内容阐述和处理方面的特点 。
丁志中芮坤生潘孟贤
关键词:篇幅
工业CT微机图像重建系统
1992年
目前我国正着手工业计算机层析成像(ICT)的研制和开发,本文提出了用于 ICT 图像重建的微机系统的设计,该系统在基本图像重建系统的基础上,增加了一块 TMS320 C25并行处理卡,从而提高了重建速度,在该系统上实现了卷积反投影和不完全投影数据图像重建算法.
高隽潘孟贤钱源诚丁厚本
关键词:图像重建投影数据计算机层析成像并行处理微机系统
基于VQ/CDHMM的噪声环境下汉语口令识别研究被引量:4
2003年
该文研究了基于改进VQ/HMM模型的语音识别方法,设计实现了基于该模型的汉语口令识别系统;研究了鲁棒性特征参数问题,提出了一些新的基于MFCC和LPCC的高维动态参数;分别进行了纯净语音和不同信噪比语音的识别实验,分析比较了不同类型特征参数、训练状态数和高斯混合度对该系统识别性能的影响。在此基础上得出了以下结论:在加性白噪声的情况下,使用高维动态参数明显提高了系统的鲁棒性;在汉语两字组的短语音(口令)识别中,状态数取4,混合度取3时实验结果较好;利用不同特征参数的优势,进行信息融合,是提高系统性能的一个很好选择。
黄玲潘孟贤
关键词:语音识别特征参数矢量量化
应用神经网络的图像分类矢量量化编码被引量:6
1994年
矢量量化(VectorQuantization)作为一种有效的图像数据压缩技术,越来越受到人们的重视。设计矢量量化器的经典算法LBG算法,由于运算复杂,从而限制了矢量量化的实用性。本文讨论了应用神经网络实现的基于边缘特征分类的矢量量化技术。它是根据人的视觉系统对图像的边缘的敏感性,应用模式识别技术,在对图像编码前,以边缘为特征对图像内容分类,然后再对每类进行矢量量化。除特征提取是采用离散余弦变换(DCT)外,图像的分类和矢量量化都是由神经网络完成的。实验结果表明,和单纯用神经网络直接进行矢量量化相比,应用这种技术的图像编码压缩比和译码图像质量都有明显的提高。
赵迎春钱源诚潘孟贤
关键词:矢量量化神经网络图像编码
基于MFS方法的车牌字符识别
在车牌识别(LPR)系统的实现过程中,最关键的部分就是车牌区域的定位及矩形式域内的字符识别,在国内外对车牌区域定位问题的研究的基础上,运用分形理论对车牌矩形区域内的字符识别问题进行深入研究,提出一种基于MFS(Modi-...
甘龙高隽潘孟贤胡学友
关键词:分形维数车牌识别
一种新的加密标准AES被引量:13
2002年
AES是一种新的加密标准 ,它是分组加密算法 ,分组长度为 12 8位 ,密钥长度为12 8bits、 192bits、 2 5 6bits三种 ,分别称为AES - 12 8、AES - 192、AES - 2 5 6。本文介绍了AES的加密算法的加密过程 ,函数定义 ,密钥扩展过程。
单玉峰潘孟贤
关键词:加密标准AESS-盒分组加密算法
共1页<1>
聚类工具0