1) linear kernel
线性核
1.
The experiment also shows that,linear kernel has the smallest time consumption;radical basis kernel has the best accuracy with small feature num,which is lower than linear kernel with large feature num.
同时表明,线性核时间消耗最小,径向基核在特征数目较小时,具有最好的识别率,而在特征数目较大时,线性核最优。
2.
In order to get better results of speech recognition,we construct a non-specific,isolated word speech recognition system based on linear kernel function support vector machine.
为了得到较好的语音识别效果,构建了基于线性核函数支持向量机的非特定人孤立词语音识别系统,取得了较高的识别率,并将该实验结果同基于HMM的识别结果进行了比较,显示出了支持向量机在基于有限样本情况下进行语音识别的优势。
3) linear respondence kernel
线性响应核
4) nuclear linear mapping
核线性映射
5) liner rows with 11 nuclei
11核素线性列
6) KLDA
核线性判别准则
1.
Kernel linear discriminant analysis (KLDA) is essentially a nonlinear feature extraction criterion.
核线性判别准则(KLDA)是一种非线性特征提取准则。
补充资料:核型双线性型
核型双线性型
uuoj Jramtiq aapaa
核型双线性型「.d.r肠11侧,r玩们11;,仄印.aa6~e面-”翻中opMa] 两个局部凸空间F和G的I冶。ld。乘积F xG上的一个双线性型B(f,g),它可以表示为 B(f,g)一艺、。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条