利用SVM的聚类算法在时间序列信号识别中的应用

Chinese

您当前的位置：

首页 >

文章列表页 >

更新时间：2026-09-04

- 利用SVM的聚类算法在时间序列信号识别中的应用
- Using SVM and HMM for Serial Signal Processing
- 微电子学与计算机 2012年29卷第3期页码：182-184
- 作者机构：
  
  安徽财贸职业学院机构电子信息系,安徽,合肥,230601
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2012
- 稿件说明：
移动端阅览
汪永涛. 利用SVM的聚类算法在时间序列信号识别中的应用[J]. 微电子学与计算机, 2012, 29(3): 182-184.

WANG Yong-tao. Using SVM and HMM for Serial Signal Processing[J]. 2012, 29(3): 182-184.
汪永涛. 利用SVM的聚类算法在时间序列信号识别中的应用[J]. 微电子学与计算机, 2012, 29(3): 182-184. DOI：

WANG Yong-tao. Using SVM and HMM for Serial Signal Processing[J]. 2012, 29(3): 182-184. DOI：

研究了一维时间序列信号识别的问题.针对基于混合高斯模型的隐马尔科夫 (HMM) 编码准确率低的问题

提出了一种利用多个支持向量机构造混合支持向量机

从而为隐马尔科夫模型提供更精确的观测值编码和发生矩阵

能有效的提高HMM在语音信号识别或者文字识别中的准确率.本方法可以应用到语音识别

文字识别以及生物信息处理等领域.

To aim the problem of one dimensional signal processing and recognition

such as speech recognition

we propose a mixture SVM model instead of mixture Gaussian model for Hidden Markov model.The method can be used in other areas such as biometrics.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

V型沟槽SiC中子探测器的蒙特卡洛分析

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真

大模型发展综述：从BERT到Deepseek的技术演进

面向处理器分支预测单元的Spectre攻击轻量化防御方法

一种用于极低压boost系统的高效率电荷泵