上次采集的声音信号需要进过一系列的信号的预处理才可以用于机器学习算法的使用。数据处理需要把时域信号转换成频域信号，并把无用频率删除了，并把对应的信号分隔成22个样本，分开样本的意思就是可以做训练集和测试机，从而检测我们训练的模型的正确性。采集的过程如下1.将采集的信号切割到固定的大小package com.hemin.balltest;import java.io.Buff

引言最大均值差异(maximum mean discrepancy, MMD)提出时候是用来双样本检测，也就直观的判断两个数据的分布。

SVM的了解通俗的说SVM 就是一种二分类器，特征空间上的间隔最大化的分类器，目的是从特征学习中取出一个0/1分类模型，对于二分类问题y只取两个值，目标是求一个超平面，而且有着很重要的意义。直观上说超平面是分开两类数据的直线，所以求的最大间隔就是就是取函数间隔与几何间隔。为了使的分类的精度高，最大化间隔值，因此我们要找到最大的间隔值引出了最大间隔分类器定义为，当目标函数是二次的，是凸二次规

最近在做数据采集工作，需要将labview采集回来的lvm格式文件用matlab进行处理，因此做了如下的处理：1.读取采集回来的数据2.对数据做离散傅里叶变换于是做了如下程序，需要示例数据请留言，可提供此格式的样例数据本实验涉及几组对照实验，用的时候只需将注释取消即可clc;clear all;N=256;Fs=25600;row_num_f

1.newrb()该函数可以用来设计一个近似径向基网络。他的调用格式是[net,tr]=newrb(P,T,GOAL,SPRED,MN,DF)其中P为输入向量，T为输出向量，GOAL为均方误差的目标，SPREED为径向基的扩展速度。返回值是一个构建好的网络用newrb()创建的 RBF网络是一个不断的尝试过程，在创建中不断的增加中间层的数量和神经元的数目，知道满足输出的误差为止。2

学习了解ELM（极限学习机）；（1）算法介绍极限学习机，该算法随机产生输入层与隐含层的链接权值与隐含层神经元的阈值，并且在训练过程中无需调整，只要设置隐含层的神经元个数就可以得到最优解。算法的步骤可以分为：1.确定隐含层的神经元个数，随机设定输入层与隐含层的链接权值，和隐含层的神经元的偏置b2.选择一个无限可微的函数作为隐含层神经元的激活函数（也叫压制函数）

几个概念：json：是一种常用的web数据格式，其中《利用python进行数据分析》用到的一个usa.gov数据集就是这种格式。{ "a": "Mozilla\/5.0 (Windows NT 6.1; WOW64) AppleWebKit\/535.11 (KHTML, like Gecko) Chrome\/17.0.963.78 Safari\/535.11", "c": "

第8周学习报告1 本周工作学习了解梅尔倒谱系数(MFCC)学习MFCC相关的程序2 实验总结（1）MFCC的介绍在语音识别和话者识别上最常用的语音特征就是梅西倒谱系数简称（MFCC），他是根据人耳朵的机理来研究发现的，人耳对于不同频率的声波有着不同的听觉敏感程度，两个响度不同的声波作用于人耳时，响度高的频率的存在会影响对响度低的频率成分的感受，使其变得不易察觉，这就是掩蔽效

背景马上就上班快半年了，毕业前一直在和工业中的数据打交道，工作中却接触的都是图片，之前还有一点不太适应，不过本着数据是流动的基本思想，在图片应用领域也能快速入门，并给公司做出了一定的贡献。如果介绍的有什么不对的地方请多指正，毕竟学习应用不过几个月。深度学习什么是深度学习？在说深度学习之前，有必要说一下浅度学习，也就是人工神经网络，一般的神经网络有输入层，隐含层，以及输出层构成。而深度网络简...