计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2004年
8期
142-146
,共5页
谭咏梅%姚天顺%陈晴%李珩%朱靖波
譚詠梅%姚天順%陳晴%李珩%硃靖波
담영매%요천순%진청%리형%주정파
支持向量机%Sigmoid函数%汉语组块%组块识别
支持嚮量機%Sigmoid函數%漢語組塊%組塊識彆
지지향량궤%Sigmoid함수%한어조괴%조괴식별
本文提出用SVM+Sigmoid来进行汉语组块识别的方法.SVMs具有不需要进行认真选取特征的优点,并且在具有高维特征空间的输入数据上也能够具有高的泛化性能,通过核函数的原则,SVMs能够在独立于训练数据维数的小计算范围内进行训练.Sigmoid函数使用一个参数模型来直接拟合后验概率,从而将SVMs的输出映射成一个后验概率,使一个分类器在做全局决策的一个局部决策时,考虑到全面分类,从而决策更具有合理性.实验结果表明该方法较单纯的SVMs方法具有好的效果.
本文提齣用SVM+Sigmoid來進行漢語組塊識彆的方法.SVMs具有不需要進行認真選取特徵的優點,併且在具有高維特徵空間的輸入數據上也能夠具有高的汎化性能,通過覈函數的原則,SVMs能夠在獨立于訓練數據維數的小計算範圍內進行訓練.Sigmoid函數使用一箇參數模型來直接擬閤後驗概率,從而將SVMs的輸齣映射成一箇後驗概率,使一箇分類器在做全跼決策的一箇跼部決策時,攷慮到全麵分類,從而決策更具有閤理性.實驗結果錶明該方法較單純的SVMs方法具有好的效果.
본문제출용SVM+Sigmoid래진행한어조괴식별적방법.SVMs구유불수요진행인진선취특정적우점,병차재구유고유특정공간적수입수거상야능구구유고적범화성능,통과핵함수적원칙,SVMs능구재독립우훈련수거유수적소계산범위내진행훈련.Sigmoid함수사용일개삼수모형래직접의합후험개솔,종이장SVMs적수출영사성일개후험개솔,사일개분류기재주전국결책적일개국부결책시,고필도전면분류,종이결책경구유합이성.실험결과표명해방법교단순적SVMs방법구유호적효과.
