1.音频原始数据形式：8k16bitpcm； 2.频率范围：60HZ~3400HZ； 3.三角窗数量：15组； 4.提取filter bank特征，并观察特征分布特点； 5.求取特征三阶差分并进行离线CMVN（cepstral mean and variance normalization，CMVN）

数字图像处理实验报告-图像边缘检测和特征提取.doc

matlab实现基于特征匹配的英文印刷字符识别.

视频演示：http://www.bilibili996.com/Course?id=2848892000230

BELMKN：贝叶斯极限学习机Kohonen网络 无监督的极限学习机（ELM）是一种用于特征提取的非迭代算法。 该方法应用于IRIS数据集以进行非线性特征提取，聚类预测，最后使用k-means进行聚类。 客观的 要使用Unsuoervised Extreme Learning Machine执行非线性特征学习，使用贝叶斯信息准则（BIC）预测数据集中的聚类数，最后使用k-means，自组织图/ Kohonen网络和EM算法进行聚类 模组 无监督的极限学习机：在此模块中，使用无监督的极限学习机执行数据集的特征提取。 这是具有单个隐藏层的非迭代算法，其中输入层和隐藏层之间的权重被随机初始化，并且使用目标函数计算隐藏层和输出层之间的权重。 因此，可以保证收敛于全局最小值。 贝叶斯信息准则：贝叶斯信息准则是一种统计方法，使用d来找出数据集中的聚类数。 它使用期望最大化（EM）算法来查找数据集中的

基于matlab的光波导光纤数值仿真： 1.使用数值方法求解模式的特征方程 2.在 xy 平面画出波导允许的所有阶数的 TE 模场分布 3.使用高斯曲线拟合基模的光强分布 4.MTE 导模功率限制因子与归一化频率的关系 5.LP 模式数量，以及等效的矢量模式数量 6.计算不同参数情况下的模式等效折射率，画出光强分布曲线 7.分别计算不同参数情况下的模式等效折射率，画出光强分布曲线

行人检测数据集特征svm模型

feature-extraction-pipeline:用于从图像中以python计算形态和纹理特征的管道

矩阵的特征值与特征向量的性质： （1） 阶矩阵 的属于特征值 的全部特征向量再添上零向量，可以组成 的一个子空间，称之为矩阵 的属于特征值 的特征子空间，记为 ，不难看出 正是特征方程组 的解空间。(特征子空间是不变子空间) （2） 属于不同特征值的特征向量是线性无关的。

推荐系统中用户画像的深入理解！