|
Vector Machine) 개념
1.1 SVM 정의
1.2 역사
2. 발상
2.1 분류능력
2.2 분류기의 일반화 능력
2.3 SVM의 우수성
3. 선형SVM
3.1 이진분류를 위한 결정 초평면의 특성
3.2 서포트 벡터
4. 선형분리 가능한 SVM문제해결
4.1 개요
4.2 조건부 최대화 문
|
|
|
5.1 분류 분석 (Classification analysis)
5.2 군집 분석 (Clustering analysis)
5.3 예측 (Prediction)
5.5 연속패턴분석 (Sequential pattern analysis)
5.6 기타 데이터마이닝 작업
5.7 Data mining methods
6. 기존 접근방법과 데이터마이닝
7. 기타 고려사항
[참고 문헌]
|
|
|
인식 기법
1] Linear Discriminant Analysis (LDA)
2] PCA (Principal Component Analysis)
2] PCA (Principal Component Analysis)
3] SVM (Support Vector Machine)
4] Haar-like feature
4. 결론
4.1 구현 시스템
4.2 시스템 구성
4.3
|
|
|
1996.
[7] 음성인식 , 한양대학교 출판부
[8] 한학용 , 패턴인식개론 , 한빛미디어
[9] 한진수 , 음성 신호 처리 , 오성미디어
[10] Google search by "Speech recognition", "LPC", "GMM", "MFCC" ... 1.object
2.theory & Algorithm
3.result analysis
4.afternote
5.reference
|
|
|
Machine learning)’과 패턴인식 기술, ‘딥러닝’ 기술이 발전하면서 인공지능은 이제 4차 산업혁명 시대의 필수 요소가 되었다. 머신러닝이란 인공지능의 한 분야로, 컴퓨터 기계가 학습할 수 있도록 하는 알고리즘과 기술을 개발하여 훈련 데이
|
|
메뉴펼치기
