-
题名基于SVM的高校考研预测模型研究
被引量：4
- 1
-
-
作者
张凯
闫立强
刘畅
杜亚冰
-
机构
河南城建学院
-
出处
《河南城建学院学报》
2021年第6期86-92,共7页
-
基金
河南省科技攻关计划项目(212102210172)。
-
文摘
选择适合的特征子集和预测算法用于考研结果或考研成绩预测,在机器学习领域中受到研究者的青睐。影响报考决策和考研结果的因素很多,虽然采用小样本或者范围较大的特征子集,可以获得精度较高的预测结果,但较难保证预测模型的实用性和泛化能力。论文提出一种基于SVM的高校考研预测模型,该模型面向高校所有理工科本科生,以高考成绩和在校原始成绩作为特征子集,并构造三种样本集,分别采用内积核函数、径向基核函数和多项式核函数训练SVM模型。通过与Logistics算法、kNN算法进行训练建模对比测试后,发现本文的预测模型在考研报考决策场景下,具有较高的适应能力和稳定性,对学校鼓励考研和学生制定考研决策具有较高的实用性。
-
关键词
支持向量机
核函数
内积核
F1-measure
考研预测
-
Keywords
support vector machine
kernel function
inner product nuclear
F1-measure
predict of postgraduate entrance examination
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于GMM超向量核函数的说话人识别
- 2
-
-
作者
胡若华
张有根
-
机构
北京交通大学
-
出处
《微计算机信息》
2009年第7期254-256,共3页
-
文摘
针对现有说话人识别系统识别率不高,鲁棒性能差的缺点,提出了一种基于超向量的核函数构造方法。通过对超向量进行KL散度变换和L2线性内积变换,分别得到KL散度线性核函数、KL散度非线性核函数以及L2内积核函数。实验结果表明,将这三种核函数分别应用于支持向量机的说话人识别系统,可以得到优于常规核函数的识别性能。
-
关键词
说话人识别
KL散度
GMM超向量
L^2内积核函数
核函数
-
Keywords
speaker recognition
KL divergence
GMM supervector
L^2inner product kernel function
Kernel Function
-
分类号
TN912.34
[电子电信—通信与信息系统]
-
