论文研究多类分类预选取的SVM在语音识别中的应用.pdf

支持向量机在训练过程中，将很多时间都浪费在对非支持向量的复杂计算上，特别是对于大规模数据量的语音识别系统来说，支持向量机在训练时间上不必要的开销将会更加显著。核模糊C均值聚类是一种常用的典型动态聚类算法，并且有核函数能够把模式空间的数据非线性映射到高维特征空间。在核模糊C均值聚类的基础上，结合了多类分类支持向量机中的一对一方法，按照既定的准则把训练样本集中有可能属于支持向量的样本数据进行预选取，并应用到语音识别中。实验取得了较好的结果，该方法有效地提高了支持向量机分类器的学习效率和泛化能力。