檢索結果：共17筆資料 檢索策略： ckeyword.raw="高斯混合模型" and ckeyword.raw="高斯混合模型"
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
連結時序分類(CTC)是一種結合動態規劃與深度學習的序列預測方法，其架構與傳統的隱馬夫模型相似，但複雜度較低、卻能獲致更佳的語音辨識效能。過去的研究雖驗證了此方法的有效，然而對於此架構能達到良好效能…
2
傳統上，海洋學的研究係以溫度與鹽度(Temperature-Salinity，T-S)關係來表示水團的特徵。然而，溫度與鹽度特性可能會隨著地理位置、年度、季節、或水層的不同而變化；即使在同一地點，其…
3
筆跡辨識是生物特徵辨識技術中的一種，在鑑識科學方面經常使用這項技術。但與生理特徵相比，行為特徵容易受到內在或外在因素所影響，若未能在自然情況下取得書寫者的筆跡，則鑑識的可信度必定會有所降低，並且隨著…
4
本論文研究了組合式之語音轉換方法來強化以GMM為基礎之語音轉換功能，這種組合式方法包含了PPM聲學語言模型(ALM)、目標音框挑選(TFS)與全域變異數(GV)匹配等處理步驟，我們實作了兩個組合式語…
5
高斯混合模型和隱藏式馬可夫模型常用來估計資料的隱藏狀態。高斯模型假設資料間的獨立性而馬可夫模型容許時間序列資料間存在馬可夫的關係。但是馬可夫模型假設下隱藏狀態的估計需要有效的演算，譬如 EM 演算法…
6
在即時系統之中，中央處理器(CPU)的時脈通常不高，如果以高斯混合模型(Gaussian Mixture Model, GMM)做為前景偵測的核心時，CPU的能力將會是一個關鍵。本論文研究以GMM為…
7
高斯混合模型(Gaussian Mixture Model)常被用在各種智慧型監控系統中來分離出前景與背景。此方法雖然能有效偵測出移動中之前景，但是，若移動目標物停留在畫面上過久則會被吸收成為背景的…
8
高斯混合模型為一普遍的前背景脫離技術，其即時性的模型更新方式可有效地解決動態背景問題。然而建立在即時更新上的背景模型會因長時間的像素變化，使得該模型因錯誤資訊不斷累積而造成前景判別的錯誤，產生了諸如…
9
視覺影像追蹤近年來已成為研究發展的熱門課題，不僅使用於國防科技武器方面，更是越來越普及於我們日常生活當中；諸如居家安全監控系統、老年人的生活安全看護，車輛導航與安全輔助駕駛…等。因此本論文使用電腦視…
10
在本論文中，我們提出一個背景濾除演算法於即時影像監控系統。採用混合高斯模型(GMM)的方法去建立動態背景的背景模型，並且結合背景模型中顏色在時間上資訊，階層式做前景與背景的判定，並利用連續影像空間上…