DTW最初用于识别语音的相似性。我们用数字表示音调高低，例如某个单词发音的音调为1-3-2-4。现在有两个人说这个单词，一个人在前半部分拖长，其发音为1-1-3-3-2-4；另一个人在后半部分拖长，其发音为1-3-2-2-4-4。
继续阅读“语音识别初探（二）DTW算法简介”
作者： cavalier
能源行业从业者，业余爱好象棋、C++还有二胡、乒乓也很喜欢
语音识别初探（一）
象棋盲棋训练软件的开发要用到棋步的语音识别，试了下国内一些成品，在没增加个性语音库和仔细调参的情况下，识别结果大概是这样子的：
“相三进五”识别为“象山劲舞”，
“相七进九”识别为“象棋敬酒”，
“仕四进五”成了“四四静五”等等。
以上结果没法进行实质性的使用。因此花点时间学习一下语音识别方面的知识就在所难免了，这个系列记录一下学习过程并备忘。
继续阅读“语音识别初探（一）”
自战解说（1）
“下盲棋”使用指南
“下盲棋”为橘中新趣出品的Android手机客户端软件，开发初衷主要是为了方便作者自我训练下盲棋，当然一般象棋爱好者也可用来自我训练，此外还可以兼顾中残局摆棋及解实用残局功能，软件棋力一般，解残局功能主要借助象棋云库实现，因此只要是收录在云库当中的残局，对弈时软件出招是非常精准的，因此，特别适合用来指导爱好者进行实用残局学习。主要功能及用法简介如下：
1、下盲棋
进入主界面后就可以开始下盲棋了。点击棋盘中某交叉点选择要走的棋子，再点击要走到的目的交叉点即可控制棋子走动，软件回应的棋步显示在棋盘下面的编辑框里（我方走棋控制及软件棋步回应方式以后有时间再改进：增加我方棋步语音识别控制与软件棋步回应播报功能）。下棋过程中如记忆混乱了，可点击显示棋盘棋子按钮看一下，然后隐藏继续下。软件棋力一般，但用来陪你下盲棋还是够力了。
2、全盘对弈
自由对弈时，点击“新局”按钮开始新的棋局。如仍要下盲棋，可先隐藏棋子仅显示棋盘后，即可继续下盲棋。
3、解残局
自由对弈时，任何时候都可以点击“摆棋”按钮进入摆棋状态，摆好棋局后点击“完成”按钮或左上角退出箭头即可退出摆棋状态进入自由对弈状态。然后即可按照下盲棋或明棋方式开始自由对弈。解残局功能借助于象棋云库实现，只要是收录在云库当中的残局，对弈时软件出招是非常精准的。因此本功能非常适合用来指导爱好者进行实用残局学习，如马擒单士，你下士方可学习软件如何铁定赢你！
4、另外，增加了复制与粘贴fen格式串功能，可用于方便地摆棋与棋局交换。
5、使用过程中如果存在什么问题，可以留言反馈。因本软件为个人爱好业余维护，BUG反馈以及改进意见不能保证100%及时响应及处理，但会尽量回复或解决。软件设计说明：中国象棋盲棋辅助训练软件设计与实现
最新版下载地址：下盲棋
以下软件信息（含MD5码计算工具链接）：
软件相关信息：
文件:app-release.apk
大小: 16640392 字节
修改时间: 2019年9月30日, 23:23:48
MD5: DEC8AC76443E1EF7C5A0946F1A166771 (MD计算工具)
SHA1: 4F5ECA5D009FA511CDB98AD5938C1ECD580734AA
CRC32: 55A8B1BC
中国象棋盲棋训练软件系统设计与实现
中国象棋盲棋训练软件系统设计与实现
1背景与目的
2功能需求
3 Android开发环境配置
3.1 安装JDK.
3.2 安装SDK.
3.3 Android Studio安装配置
3.4 Android版本配置
4功能设计与实现
4.1 Android系统组件使用情况
4.2 主要功能类介绍
5改进和优化
Android开发基础图
安全生产法律法规（汇总及速查）
简易象棋连线器升级版（卷积神经网络应用实例）
前面那个象棋连线器简易版，总有那么几个盘面图识别不完整。本次基于深度学习框架tensorflow搭建卷积神经网络，利用自己的棋盘图文件制作类cifar10棋子数据集，再通过训练好的cnn模型，识别出完整棋盘图的fen串。制作方法如下：
1、用自己的棋盘图文件制作类cifar10棋子数据集。采集样本图像，把不同兵种的棋子图像文件分别存于工作目录 _strWorkingFolder 下不同的子文件夹中，子文件夹依次命名为类别名（如rook、knight共10类），图像文件名则随意。
2、用renBatchImag（）函数按照“类别名_顺序号.jpg”的形式批量重命名各类别子文件夹下所有图像文件，如：”rook_1.jpg”、”rook_2.jpg”和”knight_1.jpg”、”knight_2.jpg”。这步也可省略。
3、用img2bin()函数把全部准备好的样本图像生成想要的二进制数据集(含data_batch_x.bin、test_batch.bin及makeBatchesMeta.txt等7个文件)。 CCifar10 binData; binData.img2bin( “c:\\dl\\Pieces”);
4、将 tensorflow/models/image/cifar10 模块中获取数据的部分参数修改成为适合自己数据集。
5、完成在自定义数据集上用 tensorflow/models/image/cifar10 模块的源码训练测试。
6、输入棋盘图，输出fen串，搞定。