speech segmentation

该程序采用标准的模糊K均值算法将图像分割成两个分区。通过该算法，图像的像素将根据其与模糊聚类中心的距离被分配到不同的类别，从而实现图像的模糊分割。此方法不仅可以提高分割的精度，还能够处理不确定性和模糊性的问题，使得图像中的边缘和噪声更具鲁棒性。

该程序是为心理声学实验准备被打断的语音的。该程序可以一次准备多个未中断文件的样本。首先过滤语音信号，然后执行中断操作。中断是通过将输入语音样本与方波（用户定义的占空比和中断率）相乘来完成的。提供了两个m-文件：一个对原始句子文件进行中断，另一个对带通滤波的语音进行中断。

FCM聚类，实现图像分割，包括相关图片和MATLAB程序，可以自行运行并验证其有效性。所有资源可供下载学习。

该存储库提供了JCSA-RM方法用于RGB-D图像分割和分析的MATLAB实现。JCSA-RM方法结合了RGB和深度信息，通过联合色彩空间轴向聚类和区域合并来实现图像分割。此存储库包含以下功能演示： 从mat文件中加载RGB-D图像数据（包括RGB图像、深度图像和法线数据），并显示它们。 生成并显示分割结果图像。 如何使用演示：- 运行MATLAB文件RGBD_Seg_JCSA_RM.m以使用GUI版本，或者运行demo_NO_GUI.m进行非GUI版本的演示。- 数据加载：使用样件名如rgbd_info_1.mat，rgbd_info_2.mat，rgbd_info_1_better_normals.mat，或rgbd_info_2_better_normals.mat。- 选择_better_normals版本，尝试使用无歧义的表面法线进行更精确的分割。- 在测试选项中选择不同的测试方法：a) JCSAb) JCSD 此代码库经MATLAB 2017b版本测试，适用于RGB-D图像分析的实验和研究。

Matlab椭圆分割代码，方法为“IASR：弱监督语义分割的迭代注释选择和细化”的测试代码。测试步骤如下：第一步：下载压缩模型，密码为：bg15或放入根目录解压。我们已发布与密码：y970的汇总手稿中表6的步骤P1到P4对应的所有模型。第二步：更改retored模型的根并运行test_vocSGIR_vgg.py进行SGIR-vgg16评估，多尺度融合的预测将保存在SAVE_DIR = './result/'中。在PASCAL VOC 2012验证数据集上可实现59.3的平均IoU。第三步：更改retored模型的根并运行test_vocSGIR_resnet进行SGIR-resnet101评估，多尺度融合的预测将保存在SAVE_DIR = './resultresnet/'中。在PASCAL VOC 2012验证数据集上可实现64.0的平均IoU。第四步：后处理请参考运行CRF。第五步：我们已提供用于评估的matlab代码，您可以评估结果并自行获取IoU，请参阅相关文档。

MATLAB图像分割肿瘤代码3D脑肿瘤分割和实验管理器的高级示例。此存储库使用基于产品示例的代码“使用深度学习进行3-D脑肿瘤分割”，请参阅。3-D脑部分割使用BRaTS数据集，该数据集是具有4个通道或模态的大脑的体积表示。这里的示例基于我与弗莱堡大学研究团队的合作，使用具有7种模式的头颈数据集而实现的。参见1）Bielak，L.，Wiedenmann，N.，Berlin，A.等。卷积神经网络在7通道多参数MRI上进行头颈部肿瘤分割：留一法分析。拉达·昂科尔15（Radiat Oncol）181（2020）。论文之后是我在NVIDIA:registered:GTC会议上的演讲，题为“使用MATLAB从桌面到云端扩展您的深度学习研究：为头颈部肿瘤分割实施多个AI实验”，着重展示了使用该工具实现的一些高级功能。实验经理。我将在此存储库中包含我提供的代码和一个博客，以更详细地介绍工作。ParameterSweepingWithExpMgr：修改了大脑分段代码，以演示如何使用Experiment Manager App进行一次留一法分析以及贝叶斯优化（用于确定超参数）。

Speech Snipper 提供一个用户友好的图形界面，方便用户测试语音/信号处理代码。该工具内置一个入门级函数 (spect.m)，用户也可以轻松创建自定义函数并在GUI中执行（操作说明请参阅readme.txt文件）。此外，Speech Snipper 还具备时间序列修剪功能，支持将修剪后的片段保存为单独的wav文件。对于数字信号处理课程的教师和研究人员来说，Speech Snipper 是一款不可多得的实用工具！

该项目涉及图像分割，使用量子遗传算法优化最大熵法进行图像多阈值处理。内容涵盖了智能优化算法、神经网络预测、信号处理等多个领域的MATLAB仿真代码。

基于遗传神经网络的图像分割MATLAB源码，非常经典！

详细探讨了解锁Oracle用户的三种新方法，同时分析了在Linux系统中可能遇到的Segmentation Fault问题。