检索结果-南通市图书馆

基于核k-均值聚类和支持向量机结合的说话人识别方法

在线全文

学校读者我要写书评

暂无评论

哈尔滨理工大学学报 2008年第5期13卷 40-42,46页

作者：高争艳张玉双王慕坤哈尔滨理工大学测控技术与通信工程学院黑龙江哈尔滨150040

提出了基于核k-均值聚类方法与支持向量机结合的说话人识别方法,为每两个人建立一个支持向量机,对支持向量机输入的语音信号先进行核k-均值聚类,并选取有效样本作为支持向量机的输入,本文提出的聚类方法能够去更好的聚类并约简数据,提... 详细信息

提出了基于核k-均值聚类方法与支持向量机结合的说话人识别方法,为每两个人建立一个支持向量机,对支持向量机输入的语音信号先进行核k-均值聚类,并选取有效样本作为支持向量机的输入,本文提出的聚类方法能够去更好的聚类并约简数据,提高了识别率.实验比较了在用支持向量机作为分类器的情况下,该核聚类与传统聚类方法的训练速度和识别性能,验证了本文提出方法的有效性.

关键词：支持向量机核k-均值聚类说话人识别

基于核k-均值聚类和支持向量机结合的说话人识别方法

在线全文

学校读者我要写书评

暂无评论

基于核K-均值聚类和支持向量机结合的说话人识别方法

第一届中国高校通信类院系学术研讨会

作者：高争艳王慕坤哈尔滨理工大学测控技术与通信工程学院哈尔滨理工大学测控技术与通信工程学院

本文提出基于核 k-均值聚类方法与支持向量机的说话人识别方法,为每两个人建立一个支持向量机, 对支持向量机输入的语音信号先进行核 k-均值聚类,并选取有效样本作为支持向量机的输入,本文提出的聚类方法能够去更好地聚类并约简数据,提... 详细信息

本文提出基于核 k-均值聚类方法与支持向量机的说话人识别方法,为每两个人建立一个支持向量机, 对支持向量机输入的语音信号先进行核 k-均值聚类,并选取有效样本作为支持向量机的输入,本文提出的聚类方法能够去更好地聚类并约简数据,提高识别率。实验比较了在用支持向量机作为分类器的情况下,本文提出的核聚类与传统聚类方法的训练速度和识别性能,验证了本文提出方法的有效性。

关键词：支持向量机核k-均值聚类说话人识别 GMM

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于核的k-均值聚类

计算机工程 2004年第11期30卷 12-13,80页

作者：孔锐张国宣施泽生郭立中国科学技术大学电子科学与技术系合肥230026

将核学习方法的思想应用于k-均值聚类中,提出了一种核k-均值聚类算法,算法的主要思想是:首先将原空间中待聚类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行k-均值聚类。同时... 详细信息

将核学习方法的思想应用于k-均值聚类中,提出了一种核k-均值聚类算法,算法的主要思想是:首先将原空间中待聚类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行k-均值聚类。同时还将一种新的核函数应用于核k-均值聚类中以提高算法的速度。为了验证算法的有效性,分别利用人工和实际数据进行k-均值聚类和核k-均值聚类,实验结果显示对于一些特殊的类分布数据,核k-均值聚类比k-均值聚类具有更好的聚类效果。

关键词：核k-均值聚类 k-均值聚类核函数支持向量机

在线全文

学校读者我要写书评

暂无评论

核的k-均值聚类水下目标识别

舰船科学技术 2016年第11X期38卷 94-96页

作者：杨海波内蒙古农业大学职业技术学院内蒙古包头014109

首先分析核的k-均值聚类算法的实现过程,然后针对算法中的关键性问题——选择核函数进行阐述,最后对拍摄到的球体、椭球体、三棱柱和四棱柱4类水下目标进行识别,在识别过程中分别进行了不同核函数和不同聚类算法的仿真。仿真结果表明,... 详细信息

首先分析核的k-均值聚类算法的实现过程,然后针对算法中的关键性问题——选择核函数进行阐述,最后对拍摄到的球体、椭球体、三棱柱和四棱柱4类水下目标进行识别,在识别过程中分别进行了不同核函数和不同聚类算法的仿真。仿真结果表明,本文采用的核的k-均值聚类算法在水下目标识别的过程中识别率高、计算性能优越。

关键词：核k-均值聚类核函数水下目标识别

在线全文

学校读者我要写书评

暂无评论

基于核学习方法的聚类算法研究

基于核学习方法的聚类算法研究

作者：王英奇兰州交通大学

学位级别：硕士

数据挖掘是一个多学科交叉研究领域,与机器学习和统计学紧密相关。作为数据挖掘核心内容之一的聚类是将物理或抽象对象的集合聚成由类似对象组成多个类的过程。这种方法所具有的“无监督”性,使它在机器学习、模式识别等众多领域有着重... 详细信息

数据挖掘是一个多学科交叉研究领域,与机器学习和统计学紧密相关。作为数据挖掘核心内容之一的聚类是将物理或抽象对象的集合聚成由类似对象组成多个类的过程。这种方法所具有的“无监督”性,使它在机器学习、模式识别等众多领域有着重要的应用。近年来,随着统计学习理论的不断完善,基于核学习的方法不断提出。本文以聚类相关理论为基础,用核学习方法来处理数据挖掘中的聚类问题,并重点对核k-均值聚类算法和支持向量聚类算法进行研究。核k-均值算法首先将原空间中待聚类的样本经过一个非线性映射,映射到一个高维的核空间中,然后在这个核空间中进行k-均值聚类。由于经过核函数的映射,使原来没有显现的特征突现出来,从而能够更好的聚类。在统计学习理论的基础上,支持向量机是20世纪90年代中期提出的一种新的机器学习方法,它将最大间隔原则和核函数理论结合在一起,有效解决了机器学习领域中的高维小样本学习难题。支持向量聚类是一种基于支持向量机的新颖聚类方法,与其它传统聚类方法相比较,该方法可调参数少,容易处理高维数据,能得到全局最优解,具有能处理任意形状的聚类且无需指定聚类数目等优点。本文主要研究成果包括如下几个方面:(1)研究了层次聚类,k-均值聚类和自组织映射聚类3种经典聚类算法。(2)基于经典的k-均值聚类算法和支持向量机理论,在核学习方法基础上,研究了核k-均值聚类算法以及支持向量聚类算法,并给出了一种改进的支持向量聚类算法。(3)为验证算法的有效性,使用人工数据集和标准数据集研究了核k-均值聚类算法以及支持向量聚类算法的性能。通过算法在不同参数下的性能分析,以及与经典聚类算法的比较实验,结果表明,上述基于核学习方法的聚类算法具有算法稳定性好,且聚类效果理想的显著优势。

关键词：聚类核k-均值聚类支持向量聚类支持向量机核学习

多超球面OC-SVM算法在隐秘图像检测中的应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用 2006年第12期26卷 2887-2889页

作者：唐玉华杨晓元张敏情韩鹏武警工程学院网络与信息安全重点实验室陕西西安710086

针对二类支持向量机分类器在图像密写分析应用中训练步骤复杂与推广性弱的缺点,把一类支持向量机(OC-SVM)引入算法,提出一种基于核的多超球面OC-SVM算法。算法利用核空间中样本特征差异突出的特性,首先对样本在核空间进行k-均值聚类,然... 详细信息

针对二类支持向量机分类器在图像密写分析应用中训练步骤复杂与推广性弱的缺点,把一类支持向量机(OC-SVM)引入算法,提出一种基于核的多超球面OC-SVM算法。算法利用核空间中样本特征差异突出的特性,首先对样本在核空间进行k-均值聚类,然后使用OC-SVMs对各子类训练建立多超球面分类模型,实现分类判决。实验结果表明,算法有效地实现了对隐秘图像的盲检测,提高了检测精度。

关键词：盲检测图像密写分析核k-均值聚类多超球面一类支持向量机

在线全文

学校读者我要写书评

暂无评论

一种实用的说话人特征提取方法

计算机工程与应用 2008年第10期44卷 51-53,94页

作者：李明张勇李军权张亚芬兰州理工大学计算机与通信学院兰州730050

针对稀疏核主成分分析方法在特征提取中的不足,提出了一种基于核k-均值聚类的稀疏核主成分分析(Sparse kPCA)的特征提取方法用于说话人识别。通过核k-均值聚类的方法对语音帧进行聚类,由于聚类的中心能够很好地代表类内的特征,用中心样... 详细信息

针对稀疏核主成分分析方法在特征提取中的不足,提出了一种基于核k-均值聚类的稀疏核主成分分析(Sparse kPCA)的特征提取方法用于说话人识别。通过核k-均值聚类的方法对语音帧进行聚类,由于聚类的中心能够很好地代表类内的特征,用中心样本帧取代该类,减少了核矩阵的维数,然后再采用稀疏kPCA方法对核矩阵进行特征提取。该方法能够减少存储空间和计算的复杂度,它保证约简后的数据能够很好地代表原始数据并且在约简过程中信息损失最小。实验结果验证了提出的方法在不影响识别率的前提下提高了识别速度,满足了说话人识别的实用性要求。

关键词：核主成分分析(kPCA) 稀疏kPCA 核k-均值聚类说话人识别

在线全文

学校读者我要写书评

暂无评论

说话人识别算法研究

说话人识别算法研究

作者：张勇兰州理工大学

学位级别：硕士

说话人识别作为生物特征认证技术的一种,和传统的认证方式相比,具有使用方便、安全性高、不易被遗忘等优点,在电话金融交易、军事侦察和信息检索等领域有着广泛的应用前景。说话人识别技术研究虽然取得了一定的研究成果,但是由于说话人... 详细信息

说话人识别作为生物特征认证技术的一种,和传统的认证方式相比,具有使用方便、安全性高、不易被遗忘等优点,在电话金融交易、军事侦察和信息检索等领域有着广泛的应用前景。说话人识别技术研究虽然取得了一定的研究成果,但是由于说话人的特征大样本问题以及实际环境的复杂性,离真正的实际应用还有一段距离。因此,如何提高说话人识别的实用性,已经成为人们迫切需要解决的问题。本文着重研究了在不影响识别率的情况下,如何提高训练速度和识别速度,满足说话人识别的实时性要求,并以此为中心对相关问题进行了深入的探讨,研究内容主要包括两个方面:(1)针对SVM在说话人识别中的大样本训练问题,提出了一种基于改进PSO-SVM的说话人识别算法。改进后的粒子群优化算法计算量小,实现容易,具有较强的全局搜索能力,识别时用改进后的PSO对SVM的样本进行寻优,减少了寻优过程的计算量,节省了寻优时间。实验结果证实了在不影响识别率的前提下,该方法与其它传统方法相比具有更快的识别速度。(2)为了提高说话人识别的速度,提出了一种基于核k-均值聚类的稀疏kPCA的说话人识别算法。通过核k-均值聚类的方法对语音帧进行聚类,由于聚类的中心能够很好的代表类内的特征,用中心样本帧取代该类,减少了核矩阵的维数,然后再采用稀疏kPCA方法对核矩阵进行特征提取。该方法能够减少存储空间和计算的复杂度,提高了说话人识别的速度,满足了说话人识别的实用性要求。

关键词：说话人识别粒子群优化算法支持向量机稀疏核主成分分析核k-均值聚类

卫星遥感图像非监督变化检测及其在洪涝区域的应用研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

卫星遥感图像非监督变化检测及其在洪涝区域的应用研究

作者： REZkI MOSTEFA 哈尔滨工业大学

学位级别：硕士

目前通过遥感获取的图像的常见用途是对地球表面发生的变化进行详细监测。这些变化(如洪水)会产生光谱差异,可通过遥感图像分析进行区分。无论图像的来源和表面变化的类型如何,这些数据的正确处理意味着采用灵活,稳健且可能非线性的方... 详细信息

目前通过遥感获取的图像的常见用途是对地球表面发生的变化进行详细监测。这些变化(如洪水)会产生光谱差异,可通过遥感图像分析进行区分。无论图像的来源和表面变化的类型如何,这些数据的正确处理意味着采用灵活,稳健且可能非线性的方法来计算正确表征图像像素的复杂统计关系。在变化检测领域已经建立了许多方法。实际上,检测变化是一个过程,需要谨慎考虑许多功能,如检测变化问题的性质,图像处理预设,选择合适的变量和算法来解决CD问题。传统的变化检测方法消耗更多的时间,与手动调节有关,并且受到区域内噪声或复杂光谱类别的影响。通过这些方法获得的变化地图通常会出现孤立变化的像素并且呈现低精度。因此,无监督变化检测是一种完全自动且无监督的方法,用于对变化进行准确的二进制检测。该技术允许在没有任何用户干预的情况下进行精确的映射,这导致当待机和系统响应时间是确定在不同时间获取的两个或多个配准的遥感图像变化的关键障碍时特别有用。核心k均值聚类过程用于将两组像素相关联到“变化”和“无变化”类。我们提供了一种有效的方法来区分这两类变化:这种方法依赖于三个不同的步骤:(A)初始化聚类,(B)核函数参数估计和聚类,以及(C)最终分配像素到他们的类。为了评估kkm技术对多种遥感图像和应用的有效性,通过Landsat TM获得两个不同的数据集。结果显示了这种自动CD方法用于环境变化监测的灵活性和有效性。

关键词：遥感非线性方法变化检测变化图精度无监督变化检测核k-均值聚类