您的位置： 专家智库 > >

张耿

作品数：3 被引量：3H指数：1
供职机构：中南大学更多>>
相关领域：自动化与计算机技术理学一般工业技术电子电信更多>>

合作作者

文献类型

  • 2篇学位论文
  • 1篇期刊文章

领域

  • 2篇自动化与计算...
  • 1篇电子电信
  • 1篇一般工业技术
  • 1篇理学

主题

  • 2篇多分类算法
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇向量
  • 2篇向量机
  • 1篇多分类支持向...
  • 1篇信号
  • 1篇信号处理
  • 1篇性能分析
  • 1篇语音
  • 1篇语音信号
  • 1篇语音信号处理
  • 1篇说话人识别
  • 1篇模糊逻辑
  • 1篇模糊逻辑系统
  • 1篇黄金分割
  • 1篇BAYESI...
  • 1篇DEMPST...
  • 1篇SVMS

机构

  • 3篇中南大学

作者

  • 3篇张耿
  • 1篇张桂新

传媒

  • 1篇计算机技术与...

年份

  • 1篇2012
  • 2篇2007
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
多分类支持向量机的研究及在说话人识别中的应用
支持向量机算法是统计学习理论中最年轻的分支。它以统计学>--j理论中的VC维理论和结构风险最小原理为基础，根据有限的样本信息在模型的复杂性与学习能力之间寻求最佳折衷，获得了较好的推广能力。基于此，支持向量机正得到越来越广...
张耿
关键词：支持向量机多分类算法说话人识别黄金分割语音信号处理
文献传递
OAO-SVMs的训练时间性能分析及算法改进
2007年
支持向量机(SVM)算法是统计学习理论中最年轻的分支。结构风险最小化原则使其具有良好的学习推广性。但在实际应用中,训练速度慢一直是支持向量机理论几个亟待解决的问题之一,这一点在SVM向多类问题领域推广时表现的尤为明显。文中将从样本分布与类别数量两方面入手,对传统的SVM多分类OAO算法进行训练时间性能上的分析,并引入分层的思想,提出传统OAO-SVMs算法的改进模型H-OAO-SVMs。通过与其他常见多分类SVMs训练时间的比较表明:改进后的H-OAO-SVMs模型具有更优的训练时间性能。
张耿张桂新
关键词：支持向量机多分类算法
概率模糊逻辑系统的理论研究及在复杂过程建模中的应用
受机理不明、环境因素、信息采集手段的限制,以及系统内部的各种非线性动态特性、随机性、参数不确定性与模型不确定性等多种不确定因素的影响,复杂的工业过程中往往存在着大量的不确定性。这些不确定性可以被划分为随机的不确定性与非随...
张耿
关键词：模糊逻辑系统DEMPSTER-SHAFER理论
文献传递
全选 清除 导出
共1页<1>
聚类工具0