本文第一部分先解释AR谱，但并不会给出太多的细节，第二部分介绍几种常见的语音中的特征，有些在之前的博文中已经用过，诸如过零率。第三部分给出实际操作的过程及识别的效果。本文的目标是通过对DSP采集的声音信号提取特征，识别卡车和飞机。转载请注明出处: xiahouzuoxin.github.io关于AR谱AR模型全称Auto-Regression Model，是通过参数计算信号功率谱的一种方法。在Ma...
分类：
其他好文 时间：
2014-11-07 22:10:09
阅读次数：
394
Machine Learning:Linear Regression With Multiple Variables
接着上次预测房子售价的例子，引出多变量的线性回归。
接着上次预测房子售价的例子，引出多变量的线性回归。
多变量梯度下降跟单变量一样需同步更新所有的theta值。
进行feature scaling的原因是为了使grad...
分类：
系统相关 时间：
2014-11-07 01:02:19
阅读次数：
413
参考资料：openclassroom线性回归(Linear Regression)为了拟合10岁以下儿童年龄(x1)与身高(y)之间的关系，我们假设一个关于x的函数h(x)：h(x) =Θ0+Θ1*x1 =Θ0*x0+Θ1*x1=ΘT*x(其中x0=1, x=[x0, x1])我们的目的是求出Θ，使...
分类：
其他好文 时间：
2014-11-06 14:22:03
阅读次数：
225
前几天，有个同事看到我生成的一幅逻辑斯蒂分岔图像后，问我：“这是咪咪吗?”我回答：“淫者见淫。”好吧，这里将生成几种分岔映射图形，包括逻辑斯蒂映射系统，正弦映射系统和曼德勃罗映射系统。实际上这几种图形算不上分形，只不过它与我写的其他分形对象使用相同的基类，所以也将其列入混沌分形的范畴。 关...
分类：
其他好文 时间：
2014-11-06 08:08:00
阅读次数：
330
Machine Learning:Linear Regression With One Variable
机器学习可以应用于计算机视觉，自然语言处理，数据挖掘等领域，可以分为监督学习（Supervised Learning）,无监督学习（Unsupervised Learning），强化学习（Reinforcement Learning）等。
首先我们从一个简单...
分类：
系统相关 时间：
2014-11-05 00:30:58
阅读次数：
256
1. Classification 这篇文章我们来讨论分类问题（classification problems），也就是说你想预测的变量 y 是一个离散的值。我们会使用逻辑回归算法来解决分类问题。 之前的文章中，我们讨论的垃圾邮件分类实际上就是一个分类问题。类似的例子还有很多，例如一个在线交易网站判...
分类：
其他好文 时间：
2014-11-02 23:44:56
阅读次数：
474
1：简单概念描写叙述如果如今有一些数据点，我们用一条直线对这些点进行拟合(改线称为最佳拟合直线)，这个拟合过程就称为回归。训练分类器就是为了寻找最佳拟合參数，使用的是最优化算法。基于sigmoid函数分类：logistic回归想要的函数可以接受全部的输入然后预測出类别。这个函数就是sigmoid函数...
分类：
其他好文 时间：
2014-11-02 16:28:04
阅读次数：
263
一、引言 本材料参考Andrew Ng大神的机器学习课程http://cs229.stanford.edu 在上一篇有监督学习回归模型中，我们利用训练集直接对条件概率p(y|x;θ)建模，例如logistic回归就利用hθ(x) = g(θTx)对p(y|x;θ)建模（其中g(z)是sigmoi.....
分类：
其他好文 时间：
2014-11-01 17:46:57
阅读次数：
202
由于第一次实验的实验报告不在这台机器，先写这一算法吧。SGDLR（the Stochastic Gradient Descent for Logistic Regression），要讲解这一算法，首先要把名字拆为几块。1 随机 2 梯度下降 3逻辑回归先贴一篇文章：http://blog.csdn....
分类：
编程语言 时间：
2014-10-31 21:53:01
阅读次数：
389
上一个博文，我们讲了Linear Regression, gradient descent, normal equations和Locally weighted linear regression,这次博文我们重点来学习Logistic regression，这是机器学习非常重要的一种回归模型，可....
分类：
其他好文 时间：
2014-10-30 22:10:48
阅读次数：
273
