您现在的位置:首页 --> 查看专题: 特征融合
1摘要分类在搜索引擎中的应用非常广泛,这种分类属性可以方便在rank过程中针对不同类别实现不同的策略,来更好满足用户需求。本人接触分类时间并不长,在刚用SVM做分类的时候对一个现象一直比较困惑,看到大家将各种不同类型特征,拼接在一起,组成庞大的高维特征向量,送给SVM,得到想要的分类准确率,一直不明白这些特征中,到底是哪些特征在起作用,哪些特征组合在一起才是最佳效果,也不明白为啥这些特征就能够直接拼在一起,是否有更好的拼接方式?后来了解到核函数以及多核学习的一些思想,临时抱佛脚看了点,对上面的疑问也能够作一定解释,正好拿来和大家一起探讨探讨,也望大家多多指点。本文探讨的问题所列举的实例主要是围绕项目中的图像分类展开,涉及SVM在分类问题中的特征融合问题。扩展开来对其他类型分类问题,理论上也适用。关键词: SVM 特征融合 核函数 多核学习 2基本概念阐述 SVM:支持向量机,目前在
[ 共1篇文章 ][ 第1页/共1页 ][ 1 ]
近3天十大热文
- [11] 逃出你的肖申克(五):看不见的牢笼(上)
- [9] [Perl]Moose::Manual::T
- [9] 分布式系统的事务处理
- [9] 产品设计之QQ邮箱登录页与淘宝登录页
- [8] SNS死在中国
- [8] 位置服务类产品的用户状态和地点管理设想
- [8] iOS的定位原理揭秘
- [8] 一步一步教你怎样给Apache Spark贡
- [8] mysqldump意外终止的原因以及解决方法
- [8] 怎样获取PHP变量的变量名之PHP实现
赞助商广告