本周的报告聚焦于使用MATLAB进行语音信号处理的实践，主要涉及了四个关键的时域特征提取方法：短时能量、短时过零率、短时平均幅度和短时自相关。这些特征在语音识别、语音编码和噪声抑制等领域扮演着重要角色。 短时能量是衡量一段信号能量大小的指标，计算公式为各点信号的平方和。在语音信号中，清音段（如s、t等）的能量通常低于浊音段（如a、b等）。在实验中，选择了两首具有不同节奏的10秒音乐片段来验证这一特性。帧长选取通常为10-30毫秒，帧移10-15毫秒，确保在该时间段内信号可以被视为相对稳定。 短时过零率是衡量信号波形穿越零电平的次数，这对于区分清音和浊音非常有效。清音由于其快速的变化和较高的频率成分，过零率通常较高。同样，实验中也通过计算并对比两首歌曲的过零率来证实了这一点。 接下来，短时平均幅度是测量音频信号幅度变化的函数，不同于短时能量，它不涉及平方操作。因此，低频段（浊音段）的幅度值通常较大，而高频段（清音段）则较小。 短时自相关函数用于估计浊音的基音周期，这是声带振动产生的周期性气流导致的。基音周期的检测是语音识别中的重要环节，因为它携带了大部分的语音信息。自相关函数可以揭示信号的周期性，从而帮助我们找到浊音的基音周期。 此外，报告还提到了使用支持向量机（SVM）进行分类的可能性。MATLAB自带的SVM分类器可以用于训练和分类任务。`svmtrain`函数允许用户选择不同的核函数，如线性、多项式、径向基函数（RBF）等，并可以通过`showplot`参数决定是否显示分类结果的可视化。`svmclassify`函数则用于对新的数据点进行分类预测。 这份周报展示了基于MATLAB的语音信号处理流程，包括特征提取和机器学习模型的应用，这些都是语音处理领域研究和开发的基础。通过短时能量、过零率、平均幅度和自相关这些特征，可以深入理解语音信号的特性，进而进行有效的语音分析和识别。同时，SVM作为强大的分类工具，可以在处理复杂数据集时提供良好的性能。

微机原理及应用(黄冰覃伟年黄知超著)课后答案

操 作 系 统 实 习 报 告 桂林理工大学 信息科学与工程学院 计算机科学与技术（应用）专业2011-班 3110717121 覃毅 页面置换系统设计 设计目的： 加深对请求页式存储管理实现原理的理解，掌握最佳OPT置换算法、先进先出FIFO页 面置换算法、最近最久未使用LRU页面置换算法，并利用程序设计语言模拟其过程。 设计要求: 1．用户可以为程序指定内存块数 2．用户可以自由设置程序的页面访问顺序 3. 用户可在OPT、FIFO和LRU算法选择一个,并能观看到页面置换过程。 设计内容： 设计一个由用户输入指定的链式队列 设计一个由用户指定块数的内存块链式队列 分别设计OPT、FIFO、LRU算法 开发环境： Windows环境，VC6.0平台 分析设计： <一>实验原理： 在进程运行过程中，若其所要访问的页面不在内存时，需要把它们调入内存，但内存已 无空闲空间时，为了保证进程能正常运行，系统必须从内存中调出一页程序或数据送磁 盘的对换区中。 OPT算法:每访问一个页面都先扫描内存块链式队列，若当前需访问 页面已被调入内存则可访问下一个页面；否则，从内存块队列中选择一个（未来）最

关于支持向量机SVM算法解释较为清晰明了的PPT与代码，非常适合小白入门，以及作为面试的准备，有助于快速提升机器学习基础算法

覃道明图片压缩优化助手 可以一键压缩优化图片，在无损的前提下大幅减小图片文件大小，支持“.jpg”、“.bmp”、“.jpeg”、“.png”、“.gif”、“.tif”、“.jge”、“.psd”格式的图片，压缩质量可调，压缩优化后的图片宽、高也可以设定，还可以选择在图片上添加上文件名水印。 软件内置高速压缩优化引擎，数千张图片可以在短时间内完成压缩优化。支持多级目录、子目录，输出的目录结构、图片名保持不变，如果源目录内存在图片以外的文件或以上格式外的图片，软件会自动忽略并按原目录结构复制到“000无法压缩优化的文件”目录。 本软件 完全免费，可自由收录、分享！ 注：只要装有 .NET Framework 3.5 以上版本的WINDOWS系统都能运行本软件。

关于聚类算法解释较为清晰明了的PPT与代码，非常适合小白入门，以及作为面试的准备，有助于快速提升机器学习基础算法

关于集成学习算法解释较为清晰明了的PPT与代码，非常适合小白入门，以及作为面试的准备，有助于快速提升机器学习基础算法

西安电子科技大学 西电 覃桂敏老师讲的算法设计与分析 所有课堂PPT和课堂视频（里面的视频回放网址包含全部节课，期末复习利器），期末复习资料，期末考试范围，算法导论（第三版）的课后答案，覃老师讲的超级详细，超级好~

适合在inux系统或者腾讯云使用docker部署项目，并且通过域名访问项目，技术有docker+nginx+uwsgi+conda+mysql+redis,小白也可以部署，步骤非常的详细，亲测有效，是我自己一步一步自己部署项目自己写的步骤，并且我自己的项目已经部署成功了

关于决策树算法解释较为清晰明了的PPT与代码，非常适合小白入门，以及作为面试的准备，有助于快速提升机器学习基础算法