多源性数据SVM集成算法研究(1)(6)

音乐的自动分类实质是语音信号识别问题，一直以来都得到了人们的重视和研究。尽管随着语音识别技术的发展，许多新的方法都被应用到音乐分类这一领域来，却由于音乐的多样性和不确定性，使其离大规模的实际应用尚有一段距离。目前大部分的音频音乐分类算法都包含了两个阶段：特征提取阶段和分类阶段。许多音乐特征可用于实现这一算法，包括时域的短时能量、短时过零率等，频域的带宽、谱质心等，还有基于听觉感受的MFCC(Mel-frequency cepstral coefficients)系数等。而分类算法可利用模式识别和模式分类中的大量现存的高效算法，例如CMM(高斯混合模型)、NN(神经网络)、HMM(隐马尔可夫模型)等等。

面对如此多的特征和分类算法，如何组合它们来得到较好的分类精确率，是否有可能对某些特征进行预处理来提高分类精确率，或是根据音乐分类的特殊性对分类器进行优化来取得高精确率?为了解决这个问题，本文在大量现存的音乐分类算法的基础上，提出了一种与支持向量机集成技术相结合的新的音乐分类算法及结构。

自Vapnik于1995年提出支持向量机(Support Vector Machines,SVM)后，支持向量机已经在很多领域得到了成功的应用。它以统计学习理论

(StatisticalLearning Theory,SLT)为基础，具有简洁的数学形式、标准的训练方法和良好的泛化性能，已广泛应用于模式识别、函数估计和时间序列预测及分类问题中。但在SVM的研究中仍然存在许多问题尚待解决，例如：模型选择问题、针对大规模训练集的学习效率问题等。目前，在SVM的学习训练过程中，几乎所有研究都以单个支持向量机作为训练器，关于SVM的多学习器学习方法研究甚少。集成学习(Ensemble Leaming)技术作为一种有效的多学习器学习方法已获得许多有价值的结果，将集成学习技术引入到SVM学习中，可以更好地提高SVM的泛化能力，因此，基于集成学习的SVM学习方法研究成为目前SVM研究中一个重要的方向。

本文系统地研究了SVM集成学习方法及音乐分类的原理、方法与技术，对现有的支持向量机集成算法进行了改进，并尝试把SVM集成应用于音乐分类的研究，最后对提出的算法进行了大量的数值实验和性能测试，实验中对不同的分类器针对不同特征集进行分类的结果进行了仿真，仿真结果不但验证了使用SVM集成后音乐分类的最终精确度有了较大的提高，而且也显示了SVM在分类问题上相对于其它分类器的优势。

9.期刊论文 拓守恒.TUO Shouheng 基于QPSO训练的SVM核函数集成学习研究 -系统仿真技术2010,06(3)

针对训练子集随机性强、规模大、算法时空复杂度高等问题,提出了基于量子微粒群的支持向量机(QPSO-SVM)核函数集成学习算法.该方法首先采用K-Means算法对训练样本进行聚类分析,然后根据其聚类分布选择少量具有代表性的样本,并通过基于量子行为的粒子群算法来训练单个支持向量机

(SVM),最后通过贝叶斯投票方法得到集成的SVM分类学习器.实验表明该方法在非线性高复杂度的数据分类中对分类精度有较大提高.

10.学位论文 琚旭 支持向量机分类器及其贝叶斯框架研究 2006

基于统计学习理论的支持向量机是当前机器学习领域的一个研究热点。它具有良好的泛化性能，可解决非线性问题，具有稀疏性和全局最优解等优点，但在标准分类模型和参数选择方面仍值得研究，本文的主要工作如下：

(1)从支持向量的角度，提出一个基于同心超球面分割的支持向量预抽取方法。利用预抽取的支持向量代替整个数据集进行训练，可有效地降低计算量。

(2)损失函数是支持向量机风险泛函的关键部分，选择不同的损失函数可以构造不同类型的支持向量机。本文对三角函数进行了改进，并推导出相应的支持向量机分类的原始问题和对偶问题。

论文

(3)集成学习是当前机器学习的一个研究热点，它可以提高分类算法的泛化性能。本文利用Boosting对支持向量机进行集成学习，并给出了一种基于Boosting的支持向量机组合分类器。

(4)对支持向量机分类的贝叶斯框架进行了系统的理论阐述。由于再生核希尔伯特空间与随机过程之间存在对偶性，因此可以通过高斯过程为支持向量机建立一个贝叶斯框架，从而利用贝叶斯方法来实现最优参数的选择。

本文链接：/Periodical_xadzkjdx201001024.aspx

授权使用：吕先竟(wfxhdx)，授权号：8a1abc33-79f7-41ea-b120-9e93010024b4

下载时间：2011年2月23日

论文

无锡伊诺特石化机械设备有限公司为无锡澳驰过滤设备有限公司于2007年4月在中国无锡成立的全资子公司，是国内领先的微米级过滤器供应商之一，同时特别善长于苛刻工况的过滤设计。核心产品包括分不锈钢过滤器，精密过滤器，过滤设备，气体过滤器，篮式过滤器，芯式过滤器，静态混合器、视镜等。这一系列产品已经获得了中国海洋石油总公司、洛克石油、FluorCorporation、Technip、中国石油天然气西气东输项目部、壳牌、南钢集团、巴斯夫，索尼等诸多客户的认可与好评。

伊诺特选用世界领先的过滤产品生产设备及制造工艺，融合多年滤芯制程上的研发经验，整合运用各种过滤分离技术，致力于为全球工业领域提供最经济、最专业的过滤解决方案。其烧结滤芯、不锈钢折叠滤芯、楔型滤芯、膜滤芯等过滤介质配合多样化设计的过滤器壳体，已广泛应用于石化、炼油、新能源、钢铁、化学、医药、食品、水处理等行业。

伊诺特服务工业界多年，严格执行ISO9001国际质量体系。并在全国设有多个项目部，可为您提供最完善的售后服务体系，在中国地区，我们能够24小时内到达现场为您服务。

未来，伊诺特秉承"安全、专业、创新、合作"的核心价值观，继续为客户提供更优质的产品、更高效的服务，努力为过滤技术创新做出新的贡献。

安全

我们永远坚持安全是不容妥协的理念

我们为客户提供的所有产品必须保证客户工艺的安全,在技术上我们不能忽略任何细节.专业

我们将坚守我们的使命，不为利益而偏离我们的航向。我们不断学习，始终为寻找最佳解决之道而努力，我们力争做行业的百年企业。

创新

我们用创新的方法解决未解决的问题。我们利用新的技术、条件、服务更好的理解客户多元化的需求，同时也使我们在快速发展和竞争激烈的社会中保持领先优势.

激情

我们尊重个人，支持人个激发最大能力

只要是对的，我们就支持

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说高考高中多源性数据SVM集成算法研究(1)(6)在线全文阅读。