基于支持向量機(jī)的語種識別方法-資料下載頁
2025-08-04 15:17本頁面
【正文】 理之后，映射到高維特征向量空間，再由各語種的 SVM模型計(jì)算得分概率，選取得分最大的模型所對應(yīng)的語種為所識別的語種。 語種模型訓(xùn)練過程 ? 假設(shè) by是測試句子使用多項(xiàng)式展開特征映射之后的序列向量，那么 SVM的輸出分?jǐn)?shù)可以用下式表示： ? ? ? ? ? ? ? ?? ? ? ?? ? 量?？s為一個高維的特征向模型由若干支持向量壓壓縮后的模型為：是支持向量是類別是截距其中,,]00[,1m od111111??????????????????????????????????????nSVitiiiiitynSVitiiiytnSVixtiinSVixttyiinSVixtyiinSViyxiiyLSzLSzbLSzbLbLzLbLbzbRbzbbKzbf????????????????測試過程 ? 由于各個語種模型僅僅是一個向量，所以計(jì)算模型的概率得分相當(dāng)于對特征序列向量和模型向量做一次內(nèi)積計(jì)算，所以識別速度很快。 其他 ? 系統(tǒng)使用了多項(xiàng)式展開算法，從而把低維特征擴(kuò)展映射到高維空間，對于 p階多項(xiàng)式來說，其可以把 N維特征向量映射到 維空間，也就是說，式子 展開將有 項(xiàng)，下面是多項(xiàng)式階數(shù) p=3和特征維數(shù) N的一個簡單對應(yīng)表： ? 系統(tǒng)中使用的多項(xiàng)式展開算法比較耗時，從而大大影響了訓(xùn)練速度。 ? ? pNxxx ???? ?211N 12 13 24 26 36 39 49 455 560 2925 3654 9139 11480 22100 p pNC?p pNC?謝謝 !
化學(xué)相關(guān)推薦
鄂ICP備17016276號-1