多分類支持向量機的研究及在說話人識別中的應用.pdf_第1頁
已閱讀1頁，還剩77頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、支持向量機算法是統(tǒng)計學習理論中最年輕的分支。它以統(tǒng)計學>--j理論中的VC維理論和結構風險最小原理為基礎，根據有限的樣本信息在模型的復雜性與學習能力之間尋求最佳折衷，獲得了較好的推廣能力?；诖耍С窒蛄繖C正得到越來越廣泛的應用。 由于支持向量機在實質上只能解決兩分類問題，而現(xiàn)實中多分類問題則更為常見。將SVM推廣到多分類領域是一個正在研究中的問題。本文基于這一主題，在研究了當前幾種常見的多分類支持向量機算法的基礎上，結合這些算

2、法各自性能上的特點并充分考慮到測試時間與測試精度在實際應用中的重要性，提出了在OAO-SVMs算法中引入分層思想的H-OAO-GYMs模型。同時，由于多分類情況下樣本集通常過于龐大，本文還提出了一種基于“黃金分割”的樣本裁減方法。 為了驗證H-OAO-SVMs模型的有效性與實用性，本文將該模型引入到說話人識別領域。所謂說話人識別，是指通過對說話人語音信號的分析處理，自動確認說話人是否在記錄的話者集合中，以及進一步確認說話人的身份

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論