C++实验:语音信号时频分析含实验报告
适用于吉林大学信息工程专业。实验任务
完成自定义语音类,实现读取语音信号并做简单时域分析,初步掌握语音信号处理前端的基本流程。
(1)给定 WAVE 格式音频数据文件(以采样频率 8000Hz,采样精度 16 bits 为例),读取数据。实现 Matlab 函数 wavread 载入数字化音频信号的功能。
(2)获得指定的窗函数。
(3)对原始采样数据分帧、加窗得到短时语音帧。
(4)计算短时语音帧时域参数。
(5)编程实现输出(以 2 s 为例)语音波形、短时能量、短时平均幅度、短时过零率结果图。
完成情况:对查找得到的代码进行研读理解并小幅度修改。
C++实验:灰度直方图含实验报告
适用于吉林大学信息工程专业。本资源不含OpenCV,OpenCV只用来转灰度图(可以删掉相关代码)其余画直方图是自己写的函数。
实验任务
统计灰度图像的直方图
(1)以二进制方式读取一幅 bmp、jpeg 或 png 格式图像的数据,并判断其是否为灰度图像,如果不 是,则将其转换为灰度图像数据。
(2)提示输入一个灰度值区间数(在 1~256 之间的整数)。然后遍历整幅图像,根据区间数,统计每个区间内灰度值的总个数,并将所有统计结果归一化后乘以 100。
(3)画出图像的直方图:用行表示灰度值所在区间,在列上用“*”表示直方图数据,“*”的个数即为 对应区间内的像素值统计结果,数据为 0 的不显示。
完成情况:对查找得到的代码进行研读理解并小幅度修改。
2. 基本思路
(1)创建图片文件,读取文件信息
(2)读取 RGB 图像素并转换为灰度值
(3)输入区间并绘制直方图
C++实验:网上超市管理系统含实验报告
适用于吉林大学信息工程专业。1. 实验任务
设计一个超市购物管理管理系统,能够实现以下功能。
(1)商品基本信息
1)商品代码,商品名称,商品价格,商品库存。
2)设计约定:可以假定超市有 N 种商品,在系统启动时将这些商品信息加载到商品库中。
(2)顾客信息
1)普通顾客属性:ID(顾客代码)(随机生成或流水号)
2)普通会员:ID(会员代码),会员姓名,会员电话,会员积分。
3)高级会员:ID(会员代号),会员姓名,会员电话,会员积分,副卡 ID。
(3)购物管理
1)为每一个普通顾客生成临时顾客代码。
2)普通会员购买商品时,可享受 9.8 折,普通顾客在单次购物满 1000 元,添加个人基本信息后,可成为普通会员。
3)高级会员购买商品时,可享受 9.5 折,普通顾客在单次购物满 2000 元,添加个人基本信息后,或普通会员单次购物满 1000 元可成为高级会员。普通会员和高级会员可查询 1 年内的购物详单,会员购物积分按照 1 元 1 分计。
4)每次购物后,输出购物清单。包括顾客代号(会员代码)、商品的名称、代号、单价、折扣、数量、价格以及合计价格
C++实验:图书管理系统
适用于吉林大学信息工程专业。1. 实验任务
设计一个图书管理系统,支持系统用户的图书借阅、图书管理、用户管理等功能。图书借阅主要包括图书借阅、图书归还、借阅信息查看等功能。图书管理主要包括图书的增加、删除、修改、查看、统计等功能。用户管理主要包括用户注册、登录、修改密码、修改个人信息、设置用户类型等功能。
2. 基本思路
(1)设计一个登录菜单
(2)设计三个界面(用户注册、用户登录、 退出系统)
(3)进入三个界面后各自显示一个子菜单
(4)设计六个类(图书类 Book、用户母类User、登录类Log、读者子类 Reader、管理员子类Librarian、系统管理员子类Admin)
模式识别实验:近邻法分类器设计
有两个类别的样本 x 和 y,两类样本的分布规律服从正态分布,其均值和方差
分别为(2,2),(-2,4),每个类别里面分别有 100 个样本。可以利用下面阐述的
Matlab 程序产生上述数据。每一类的数据都是二维数据形式,若设数据格式为第一
行为横坐标,相应的下一行对应的是纵坐标请使用 k-近邻法判断下列 sample 中样本的分类情况
(-0.7303,2.1624),(1.4445,-0.1649),(-1.2587,0.9187),(1.2617,-0.2086),(0.7302,
1.6587)
1、要求用 Matlab 编程,来确定分类的情况,并以图形的方式表示出来。附 Matlab
程序以及对应程序说明。
2、分析k值的不同对分类的情况是否有影响,并把结果用图形的方式表示出来。
3、 请根据剪辑方法近邻的原理,对样本的空间进行剪辑,再确定上述样本点的
分类情况。并对两种分类结果进行分析(选作)。
模式识别实验:基于感知函数准则线性分类器设计
已知有两个样本空间 1 2 和ω ω ,这些点对应的横纵坐标的分布情况是:
x1=[1,2,4,1,5]; y1=[2,1,-1,-3,-3];
x2=[-2.5,-2.5,-1.5,-4,-5,-3];y2=[1,-1,5,1,-4,0];
在二维空间样本分布图形如下所示。(plot(x1,y1,x2,y2))
1、用 matlab 完成感知准则函数确定程序的设计。
2、请确定
sample=[(0,-3),(1,3),(-1,5),(-1,1),(0.5,6),(-3,-1),(2,-1),(0,1),
(1,1),(-0.5,-0.5),( 0.5,-0.5)];属于哪个样本空间,根据数据画出分类的
结果。
3、请分析一下 ρ k 和对a(1) 于感知函数准则确定的影响,并确定当 ρ k =1/2/3 时,
相应的 k 的值,以及a(1) 不同时,k 值得变化情况。
4、根据实验结果请说明感知准则函数是否是唯一的,为什么?
模式识别实验:基于 Fisher 准则线性分类器设计
已知两类分类问题,类别用ω1 和ω2 表示,每类的先验概率已知, P w(1)0.6,Pw(2)=0.4。这里样本向量的维数是 3 维。
ω1中数据向量 xx1=[x1, y1, z1]T,其数据点的坐标对应如下。
x1 =
0.2331 1.5207 0.6499 0.7757 1.0524 1.1974
0.2908 0.2518 0.6682 0.5622 0.9023 0.1333
-0.5431 0.9407 -0.2126 0.0507 -0.0810 0.7315
0.3345 1.0650 -0.0247 0.1043 0.3122 0.6655
0.5838 1.1653 1.2653 0.8137 -0.3399 0.5152
0.7226 -0.2015 0.4070 -0.1717 -1.0573 -0.2099
y1=
2.3385 2.1946 1.6730 1.6365 1.7844 2.0155
2.0681 2.1213 2.4797 1.5118 1.9692 1.8340
1.8704 2.29
模式识别实验:总体概率密度分布的非参数估计
1.完成基于正态窗函数的 Parzen 窗法概率密度函数估计的 Matlab 程序编写,
并写出相应程序语句的文字说明;
2.选取 h1=0.25, 1.0, 4.0,分别在样本数 N=1, 16, 256, 1024, 4096 时画出原始概
率密度曲线和不同参数下估计的概率密度曲线。分析所得到概率密度曲线的变化
情况,说明 N、h1对概率密度函数估计的影响。
3.分析程序运行和实验中遇到的困难。
模式识别实验:Bayes 分类器设计
最小风险贝叶斯和最小错误贝叶斯对细胞进行分类。
现有一系列待观察的细胞,其观察值为 x :-3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532
1.根据最小错误率贝叶斯决策,利用 Matlab 完成分类器的设计。
1)写出相应程序语句的文字说明;
2)程序设计过程中,要求有子程序的调用。
3)根据上述例题中的数据,画出后验概率的分布曲线以及分类的结果示意图。
2.根据最小风险贝叶斯决策,决策表如下。
1)请重新设计程序,画出相应的条件风险的分布曲线和分类结果,并比较两个结果。
2)在损失矩阵为 0-1 损失函数时,比较最小错误贝叶斯决策和最小风险决策的结果
是否一致。