ارائه يک طبقهبندیکننده با ساختار ترکيبی SVM/HMM
در اين مقاله از توانايي طبق هبند يکننده 1svm درقلب ساختار طبقه بند يکننده HMM به منظور بهبود راندمان آن استفاده شده است. طبقه بندي کننده 2 HMM از ترکيب هاي گاوسي براي تخمين احتمالات شرطي استفاده م يکند حال آنکه در اين تحقيق از طبقه بندي کننده SVM به جاي توابع گوسي استفاده شده است. طبقه بندي کننده SVM نتايج بسيار خوبي در زمينه تشخيص الگو 3 ارائه کرده و به دليل خاصيت عموميت بخشي آن، در اين مدل ترکيبي از آن استفاده شده است. در اين تحقيق خروجيهاي SVM به صورت احتمالات شرطي در نظر گرفته شده و از آنها به عنوان احتمال انتشار 4 در HMM اوليه استفاده شده است. اين روش ترکيبي با استفاده از بانک هاي اطلاعاتي مختلفي آموزش 5 داده و تست شده است. نتايج حاصل نشان مي دهد که اين طبق هبندي کننده نسبت به طبقه دکننده HMM اتركيبهاي گاوسي دقت بيشتري دارد.