ppt 介绍算法： hog算法 kcf算法：岭回归->岭回归简化计算->核技巧（高斯核） 代码 hog update main 展示结果

算法流程描述首先，对数据集进行预处理。本实验使用scene_categories数据集，该数据集包括15个类别（文件夹名就是类别名），每个类中编号前150号的样本作为训练样本，15个类一共2250张训练样本；剩下的样本构成测试集合。对数据进行SIFT特征提取，得到每张图片的描述符，作为训练数据。然后，使用KMeans算法对SIFT特征进行聚类，得到视觉词汇，然后计算图像的词袋模型，将图像的词汇表

算法整体流程为了实现钱币定位的功能，实验设计了Canny边缘检测和Hough圆变换两个主要的功能，最终实现了检测出输入图像中各个钱币的边缘并给出各个钱币的圆心坐标与半径的效果。 Canny边缘检测：该算法以原始图像的灰度图为输入，先对图像进行高斯滤波，使图像更加平滑，然后计算梯度，得到图像的梯度图。接下来，进行非极大化抑制，去除所有非边缘的点。最后，用滞后阈值法将比高阈值大、比低阈值小的像素保留为

预处理 分帧 语音信号具有短时平稳性 短时分析技术 时域分析 频域分析 倒谱域分析 语音特征提取端点检测 基音周期估计 共振峰估计 MFCC特征提取

声纹识别实验模型：GMM（高斯混合模型）数据集：TIMIT GMM高斯混合模型（Gaussian mixture model）对于说话人识别，一组$N$个说话人集合，用一系列$GMM$ 示，即每个说话人$\mathrm{s}{\mathrm{k}}$ 对应一个$\mathrm{GMM}$ 参数 $\lambda{\mathrm{k}}, \mathrm{k}=1,2, \ldots,