摘要：判别分析是根据所研究的个体的观测指标来推断该个体所属类型的一种统计方法,对已知分类的数据建立由数值指标构成的分类规则，然后把这样的规则应用到未知分类的样本去分类。该文以判别分析中的线形判别分析和mahalanobis距离判别分析作理论依据, 提出一种数据分析库的设计和实施方案,该系统在数据分析方面的研究和应用中有一定的特色。

摘要：针对现有人体肤色区域分割方法在光照等环境因素变化情况下鲁棒性差、精确度不高的问题,提出一种自适应模型的人体肤色分割方法.首先通过AdaBoost实现自动人脸检测,得到包含光照等信息的脸部皮肤区域样本;然后将所取得的肤色样本在YCbCr颜色空间的Y分量和CbCr分量上分别建立高斯混合模型;最后利用改进的mahalanobis距离度量其他像素与肤色模型间的相似度,并确定阈值来对整幅图像进行肤色分割.实验结果表明,与同类融合算法、CbCr固定阈值等肤色分割方法相比,该方法实现了自动化的肤色建模,在降低误检率的同时平均可以提高10%左右的正检率,具有更好的鲁棒性.

摘要：提出了一种基于格拉姆角和场(GASF)与基于mahalanobis距离的支持向量机(MSVM)的核素识别方法。将核素γ能谱数据视为一维序列,利用GASF方法将能谱数据二维化,再利用双向二维主成分分析对二维化能谱数据进行降维以进行特征提取,设计MSVM分类器并结合遗传算法进行参数寻优,实现对γ能谱(核素)的识别,利用Geant 4仿真核素γ能谱数据对本文算法与寻峰算法、SVD-SVM算法进行了对比实验,同时在真实核素γ能谱数据上进行了识别实验。结果表明:本文方法与同类方法相比,通过利用全谱信息,有效提高了核素识别准确率;在探测距离为20 cm内,对真实探测环境中得到的不同探测距离的核素能谱的平均识别率均高于96%,表现出良好的识别性能。

摘要：在基于 CHMM 模型的语音识别原理的基础上,设计了一个以 MCU 和自行设计的语音识别加速模块(ASIC 模块)为核心的低成本、高性能的嵌入式语音识别系统。该系统配合外围电路,能够独立完成语音识别工作,并且有大幅度的性能提升,从而使嵌入式语音识别更加方便简洁。以 ARM7作为系统的控制内核,语音识别加速模块负责完成隐含马尔可夫模型识别算法中运算量最大的 Ma-halanobis 距离运算部分。该系统具有低成本、高性能、高通用性、可裁剪性强等特点。