Atlantis Press, 2011. — 346 p. — ISBN: 978-90-78677-42-0, e-ISBN: 978-94-91216-05-3 We have now entered an era where technology is being embedded transparently and seamlessly within our surrounding environments. This is being driven by decreasing hardware costs, increased functionality and battery life along with improved levels of pervasiveness. With such a technology rich...
Rieka, Intech, 2011. -394p. Сборник статей по новым биометрическим технологиям идентификации, алгоритмам их реализации и их приложениям. Рассчитан на специалистов в области биометрической идентификации, распознавания образов и обработки сигналов и на студентов и преподавателей соответствующих отраслей.
InTech, 2008. — 246 p. Face recognition is still a vividly researched area in computer science. First attempts were made in early 1970-ies, but a real boom happened around 1988, parallel with a large increase in computational power. The first widely accepted algorithm of that time was the PCA or eigenfaces method, which even today is used not only as a benchmark method to...
New York: Springer, 2017. — 364 p. This unique text/reference provides a detailed overview of the latest advances in machine learning and computer vision related to visual attributes, highlighting how this emerging field intersects with other disciplines, such as computational linguistics and human-machine interaction. Topics and features: presents attribute-based methods for...
N.-Y.: Springer, 2012. — 270 p. — ISBN: 978-1-4614-4456-5, e-ISBN: 978-1-4614-4457-2.
Graph Embedding for Pattern Recognition covers theory methods, computation, and applications widely used in statistics, machine learning, image processing, and computer vision. This book presents the latest advances in graph embedding theories, such as nonlinear manifold graph, linearization...
Sensors and Actuators A: Physical · September 2017. — p. 135–144. This paper proposes an optimized two-layer Adaboost.M2 model, which resolves a multi-class identification issue for Chinese herbal medicine and aims to enhance the accuracy and reliability of classification. Various base classifiers with probabilistic outputs are integrated in first layer and then transferred to...
Springer, 2010. — 328 p. ICPR 2010 Contests. Istanbul, Turkey, August 23-26, 2010 Contest Reports. The 20th ICPR (International Conference on Pattern Recognition) Conference took place in Istanbul, Turkey, during August 23–26, 2010. For the first time in the ICPR history, several scientific contests (http://www.icpr2010.org/ contests.php) were organized in parallel to the...
ICPR 2010 Contents, Istanbul, Turkey, August 23-26, 2010, Contest Reports 2011. — 328 p. This book constitutes the refereed contest reports of the 20th International Conference on Pattern Recognition, ICPR 2010, held in Istanbul, Turkey, in August 2010. The 31 revised full papers presented were carefully reviewed and selected. The papers are organized in topical sections on...
БелГУ // Научные ведомости БелГУ. Сер. Информатика и прикладная математика. — 2006. — №1 (21), вып. 2. — С. 92-103. Описывается комплексный подход к компьютерному моделированию различных типов пространственных объектов на основе методов стохастической геометрии, реализуемый в программном обеспечении с открытым исходным кодом Geoblock. Приведены основные алгоритмы построения...
К.: Інститут кібернетики Академії наук України, 1992. — 224 с. Методологічні та теоретичні проблеми розпізнавання образів Теоретичні засади обробки та розпізнавання сигналів Теоретичні основи обробки та розпізнавання зображень Навчання та самонавчання розпізнаванню образів Проблеми обчислювальної та дискретної геометрії Автоматична діагностика об’єктів, машин і явищ за їх...
Статья. Опубликована в Курском научно-практическом вестнике Человек и его здоровье. — 2005. — №4 . — С. 81-83.
В статье рассматриваются методы отображения многомерных объектов на плоскость, их достоинства и недостатки. Предлагается метод секущих гиперплоскостей для распознавания объектов в случае протяженно распределенных образов. Исследование срезов пространства в местах...
Курбатов С.С., Лобзин А.П., Найденова К.А., Хахалин Г.К. Гибридная схема анализа изображений // Труды Международной научно-технической конференции «Открытые семантические технологии проектирования интеллектуальных систем» OSTIS-2012. 16-18 февраля 2012, г. Минск, Беларусь. - БГУИР, 2012. – С. 327-334.
В работе рассматривается схема анализа изображений, соединяющая преимущества...
Электроника и связь (http://elc.kpi.ua/), №4, 2007. С.53-
60. Цель данной работы – ознакомление с некоторыми алгоритмическими и программными аспектами современного подхода к распознаванию речи, базирующегося на существенном использовании специального программного инструментария НТК. Возможности такого подхода демонстрируются на примере решения оптимизационной задачи – минимизации...
Академия наук БССР ордена трудового красного знамени. Институт технической кибернетики. Минск, 1991
Представлены работы по анализу и синтезу речи, выполненные в лаборатории автоматического распознавания и синтеза речи Института технической кибернетики АН БССР. В статьях сборника отражены результаты теоретических разработок, проведенных в последние годы, и итоги...
Статья. — Труды III Всесоюзной конференции по информационно-поисковым системам и автоматизированной обработке научно-технической информации. Часть 3. — Москва: ВИНИТИ, 1967. — С.187—195. Авторами построена модель зрительного анализатора, обучающаяся узнаванию многих классов изображений. Модель, выполненная в виде программы для ЭВМ, состоит из двух основных блоков: блока первичного...
Статья. — Биофизика 1967 том XII вып.3. — С. 493—501. Институт проблем передачи информации АН СССР, Москва. Биофизика сложных систем. Математические модели. Результаты электрофизиологических исследований зрительного анализатора свидетельствуют о том, что на начальных уровнях этой системы осуществляется разносторонний анализ изображения, проектируемого на мозаику фоторецепторов....
Электроника и связь (http://elc.kpi.ua/), 2009. -№
1. - С.88-
94. Сформирован речевой корпус украинской речи, с использованием которого произведено моделирование системы распознавания украинской речи. Выработаны рекомендации по оптимизации фонемного словаря украинской речи и по оптимизации состава и размера вектора параметров речевого сигнала.
Статья. — Искусственный интеллект. — 2002. — № 3. — С. 172-187.
Аннотация. — В статье анализируются наиболее общие и принципиальные проблемы распознавания образов. Подчеркивается общность большинства из этих проблем с проблемами кибернетики и искусственного интеллекта. Их происхождение связано с попытками описать очень сложный объект с помощью слишком упрощенного и неадекватного...
Статья. Прототипный подход к построению автоматизированных экспертных систем с многоструктурным распознаванием сложных образов / В. Б. Трофимов // Автоматизация в промышленности. — 2013. — №3 . — С. 55-59.
Рассмотрены особенности функциональной структуры автоматизированной экспертной системы распознавания сложных образов, предложен подход к ее построению. Сформирована схема...
Хахалин Г.К., Курбатов С.С., Лобзин А.П. Концептуальный компонент в гибридной системе анализа изображений // Труды 23-й Международной конференции по компьютерной графике и зрению 16-20 сентября 2013, Владивосток, Россия. – Владивосток, Институт автоматики и процессов управления ДВО РАН, 2013. – С. 222-225. В работе рассматривается концептуальный компонент гибридной системы...
Хахалин Г.К., Курбатов С.С., Лобзин А.П. Разбор графических изображений онтологическим компонентом гибридной системы распознавания // Труды Международной научно-технической конференции «Открытые семантические технологии проектирования интеллектуальных систем» OSTIS-2014. 20-22 февраля 2014, г. Минск, Беларусь. - БГУИР, 2014. – С. 315-320.
В работе рассматривается онтологический...
У Вас уже есть аналогичные разделы по обработке изображений и речевых сигналов в "Приборостроение, радио и связь \ Обработка и фильтрация сигналов". Сможете ли Вы их различить?Рассмотрение книг показывает, что происходит путаница и книги практически не различаются по тематике... Задачи обработки и фильтрации не относятся к задаче распознавания образов.
Распознавание образов - это отнесение исходных данных к определенному классу с помощью выделения существенных признаков, характеризующих эти данные, из общей массы несущественных данных. Распознавание речи - процесс преобразования речевого сигнала в текстовый поток. Поэтому распознавание речи относится не к распознаванию образов, а к обработке сигналов, точнее - речевых сигналов. Предложение - убрать оба этих подраздела. В результате здесь останется раздел распознавания образов. А в разделе обработки и фильтрации можно ввести подраздел по обработке речи.
Комментарии
Является ли задача распознавания речи задачей обработки речи?
Здесь - лишь ссылки на них (связанные разделы).