期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种改进的LSSVM支持向量预选取算法
1
作者
张雪英
王真真
刘晓峰
《太原理工大学学报》
CAS
北大核心
2014年第5期609-613,共5页
解的稀疏性的丧失——所有的训练样本均作为支持向量,是最小二乘支持向量机的缺点之一,针对导致模型复杂度提高和模型训练、识别速度降低的问题,从数据挖掘和支持向量的几何分布含义两个方面出发,提出了一种新的支持向量预选取算法。一...
解的稀疏性的丧失——所有的训练样本均作为支持向量,是最小二乘支持向量机的缺点之一,针对导致模型复杂度提高和模型训练、识别速度降低的问题,从数据挖掘和支持向量的几何分布含义两个方面出发,提出了一种新的支持向量预选取算法。一方面对原数据集的每类数据分别进行K均值聚类,将所有的类中心作为原始数据的表征集;另一方面对原数据集用K最近邻方法提取原数据集的边界样本;最后将这两种方法提取的所有样本点的并集作为预选支持向量进行训练和预测。UCI数据库的实验表明:该方法充分融合了K均值和K最近邻预选取算法的优点,能有效的预选取出支持向量,同时保持较高的识别率,而且稀疏效果更稳定,稀疏性能优于经典的迭代剪枝算法。
展开更多
关键词
最小二乘支持向量机
K均值聚类
K最近邻
预选取算法
稀疏化
下载PDF
职称材料
改进的支持向量预选取方法在语音识别中的应用(英文)
被引量:
1
2
作者
郝瑞
牛砚波
修磊
《系统仿真学报》
CAS
CSCD
北大核心
2015年第11期2714-2721,共8页
对于大规模数据量的语音识别问题,支持向量机的训练成为一个难题。预选取支持向量是解决这一难题的方法之一。提出一种新的支持向量预选取算法.一方面对原数据集的每类数据分别进行核模糊C均值聚类,将所有的聚类中心作为每类数据的表征...
对于大规模数据量的语音识别问题,支持向量机的训练成为一个难题。预选取支持向量是解决这一难题的方法之一。提出一种新的支持向量预选取算法.一方面对原数据集的每类数据分别进行核模糊C均值聚类,将所有的聚类中心作为每类数据的表征集;另一方面根据支持向量的几何分布含义并借鉴支持向量机的多类分类算法中一对一方法的思路提取原数据集的边界样本作为预选取支持向量进行训练和预测,并将该算法应用于嵌入式语音识别系统中,实验结果表明:该方法提高了语音识别系统的训练效率,降低了计算代价,同时保持了较高的识别率。
展开更多
关键词
支持向量
多类分类
核模糊C聚类
样本
预选取算法
语音识别系统仿真
下载PDF
职称材料
题名
一种改进的LSSVM支持向量预选取算法
1
作者
张雪英
王真真
刘晓峰
机构
太原理工大学信息工程学院
太原理工大学数学学院
出处
《太原理工大学学报》
CAS
北大核心
2014年第5期609-613,共5页
基金
国家自然科学基金资助项目(61072087)
文摘
解的稀疏性的丧失——所有的训练样本均作为支持向量,是最小二乘支持向量机的缺点之一,针对导致模型复杂度提高和模型训练、识别速度降低的问题,从数据挖掘和支持向量的几何分布含义两个方面出发,提出了一种新的支持向量预选取算法。一方面对原数据集的每类数据分别进行K均值聚类,将所有的类中心作为原始数据的表征集;另一方面对原数据集用K最近邻方法提取原数据集的边界样本;最后将这两种方法提取的所有样本点的并集作为预选支持向量进行训练和预测。UCI数据库的实验表明:该方法充分融合了K均值和K最近邻预选取算法的优点,能有效的预选取出支持向量,同时保持较高的识别率,而且稀疏效果更稳定,稀疏性能优于经典的迭代剪枝算法。
关键词
最小二乘支持向量机
K均值聚类
K最近邻
预选取算法
稀疏化
Keywords
least squares support vector machine
K-means
K-nearest neighbor
pre-extracting
sparseness
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
改进的支持向量预选取方法在语音识别中的应用(英文)
被引量:
1
2
作者
郝瑞
牛砚波
修磊
机构
山西财经大学信息管理学院
太原理工大学信息工程学院
山西财经大学统计学院
出处
《系统仿真学报》
CAS
CSCD
北大核心
2015年第11期2714-2721,共8页
基金
Shanxi Scholarship Council of China(2009-28)
Natural Science Foundation of Shanxi Province(2009011022-2)
文摘
对于大规模数据量的语音识别问题,支持向量机的训练成为一个难题。预选取支持向量是解决这一难题的方法之一。提出一种新的支持向量预选取算法.一方面对原数据集的每类数据分别进行核模糊C均值聚类,将所有的聚类中心作为每类数据的表征集;另一方面根据支持向量的几何分布含义并借鉴支持向量机的多类分类算法中一对一方法的思路提取原数据集的边界样本作为预选取支持向量进行训练和预测,并将该算法应用于嵌入式语音识别系统中,实验结果表明:该方法提高了语音识别系统的训练效率,降低了计算代价,同时保持了较高的识别率。
关键词
支持向量
多类分类
核模糊C聚类
样本
预选取算法
语音识别系统仿真
Keywords
support vector
multi-class classification
kernel fuzzy C-Means clustering
sample pre-extracting
speech recognition system simulation
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TN912.34 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种改进的LSSVM支持向量预选取算法
张雪英
王真真
刘晓峰
《太原理工大学学报》
CAS
北大核心
2014
0
下载PDF
职称材料
2
改进的支持向量预选取方法在语音识别中的应用(英文)
郝瑞
牛砚波
修磊
《系统仿真学报》
CAS
CSCD
北大核心
2015
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部