最小类方差支持向量机(MCVSVM)充分考虑数据的分布信息,但是在小样本情况下却仅利用类内散度矩阵非零空间中的信息.为了综合利用类内散度矩阵非零空间和零空间中的信息来进一步提高分类性能,文中首先在零空间中建立一种分类器——零空间分类器(NSC),然后再把MCVSVM和NSC进行融合分类器的集成-蔬菜大棚扩管机液压大棚扩管机倒角机价格低全自动倒角机多少钱,从而进一步提出集成分类器(EC).不同于MCVSVM和NSC,EC综合考虑非零空间和零空间中的信息,本文有张家港市泰宇机械有限公司全自动倒角机采集网络整理，http://www.daojiaoj.com体现出更强的泛化能力.最后通过实验验证算法的有效性. 训练.该方法可用于优化基于最大互信息(MMI)准则的区分性训练目标函数.在该方法中,首先把隐马尔科夫模型(HMM)的区分性训练问题看成一个受限的优化问题,并利用模型间的KL度量作为优化过程中的一个限制.再基于线性搜索的思想,指出通过限制更新前后模型间的KL度量,可将HMM的参数表示成一种简单的二次形式.该方法可用于优化混合高斯CDHMM模型中的任何参数,包括均值、协方差矩阵、高斯权重等.将该方法分别用于中英文两个标准语音识别任务上,包括英文TIDIGITS数据库和中文863数据库.实验结果表明,该方法相对传统的扩展Baum-Welch方法在识别性能和收敛特性上都取得一致提升. 分类器的集成-蔬菜大棚扩管机液压大棚扩管机倒角机价格低全自动倒角机多少钱本文有张家港市泰宇机械有限公司全自动倒角机采集网络整理，http://www.daojiaoj.com更多