基于MapReduce的简单倒排索引的建立

回声信息隐藏是通过在语音媒体中加入不同延时的回声来实现信息隐藏的一种技术。采用易于检测的前 向一后向回声核构建了回声信息隐藏系统。介绍了前向一后向回声核的构成原理和倒谱检测方法，仿真并分析了 系统关键参数对隐藏信息恢复率的影响，如延迟时间、分段长度、回声的衰减系数等。通过引入8个延时的回声 实现了8进制信息E悬藏，使隐藏信息的容量提高了3倍，在采样频率为8 kHz的条件下迭到150 bit／s，恢复率大 于99％。2O人的非正式试听表明．隐藏信息后的语音和原始语音没有明显的差别且优于单回声的语音质量，得 到了较好的隐藏效果。

倒角 计算两个边缘图像之间的倒角距离，然后应用梯度下降优化使轮廓点变形以向边缘移动 编译： g++ * .cpp ` pkg-config --cflags --libs opencv ` 或使用make命令

复倒谱和倒谱的特点和关系： 1.复倒谱要进行复对数运算，倒谱只进行实对数运算。 2.倒谱情况下，一个序列经过正反两个特征系统以后不能还原成自身，因为丢失相位信息。 4.已知一个实序列的复倒谱，可以求其倒谱。 5.已知倒谱，可以求复倒谱。

倒送电范围及步骤.doc

使用倒排索引实现的简单的搜索引擎demo 能对莎士比亚全集的文本进行搜索，并显示该词语所在的篇目和所在句子 源代码及说明也可在github获取 https://github.com/yunwei37/myClassNotes

Cepstral analysis 倒谱分析 complex cepstral 复倒谱 实倒谱是序列的傅里叶变换的幅度的实对数的傅里叶反变换 代码每一步含有注释，方便理解和学习

10kv典型倒闸操作，ppt教程，可做参考。

主要为大家详细介绍了语音识别之梅尔频率倒谱系数及Python实现，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

三维激光扫描点云为文物模型重建提供了新的数据支持，但扫描所得海量点云包含大量冗余数据，给建模带来很大不便。针对扫描点云过密、冗余数据较多的问题，提出了一种基于自适应分层的文物点云数据压缩算法。算法的基本思想是：首先通过基于倒角距离变换的自适应分层方法对原始点云进行自适应分层；然后使用弦高差值作为特征点的判别依据来删除冗余数据，采用改进的弦高差法对每层点云进行压缩，保留对模型特征贡献较大的特征点。实验结果表明，通过形状误差控制分层厚度，能在平缓部位减少层数以提高效率的同时不至于使复杂部位因分层过厚而损失重要特征，改进的弦高差法在保留大曲率特征的同时不至于使平缓部位出现孔洞，从而保证了模型重建的精度。