应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜    

小木虫论坛-学术科研互动平台 » 专业学科区 » 信息科学 » 人工智能 » 对声音信号在svm里识别，识别率能达到100%，这样的结果正常么？
51/1返回列表
查看: 2477  |  回复: 8
只看楼主 @他人 存档 新回复提醒 (忽略) 收藏    在APP中查看
当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖

prettyfarmer

新虫 (初入文坛)

[交流] 对声音信号在svm里识别，识别率能达到100%，这样的结果正常么？

最近在对一维信号识别，包括声音信号
后期分类识别使用的是libSVM，发现识别效果都很高，基本上98%以上。
有一些识别率低的，对训练数据人工选取和对svm参数寻优调整后，也能上升到90%-100%。
这样的结果正常么？ 会不会太高了
本人用的测试数据是和训练数据不同的。
回复此楼

» 猜你喜欢

» 本主题相关价值贴推荐，对您同样有帮助:

» 抢金币啦！回帖就可以得到:

查看全部散金贴
1楼 2012-12-07 15:44:55
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

prettyfarmer

新虫 (初入文坛)
引用回帖:
6楼: Originally posted by 爱红茶的猫 at 2012-12-11 01:12:05
不知道楼主采用什么特征训练模型的，是否可以考虑更多的情况，如高频率，低频率，带不同种类噪声的数据。另外，如果训练数据和测试数据特征接近的话，99%或100%都是有可能的。

谢谢指点的~~再请教下，出现这种情况后 我在论文里 能直接写 识别结果能达到这么高么？？ 一般要多少测试数据 才会让这种结果比较可靠呢？？
赞一下 回复此楼
7楼2013-02-15 04:33:17
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
查看全部 9 个回答

chentianyu1

木虫 (小有名气)
★ ★ ★
prettyfarmer(金币+1): 谢谢参与
prettyfarmer: 金币+2 2012-12-08 13:24:38
判断方法很简单，拿一组真实的数据，用你训练出的模型分类一下，如果依然正确率很高，那么就没问题了。
可能存在的问题是，你数据本身的类内误差很小、类间误差很大，或者测试集与训练集太接近。
举例来说，假设是根据输入的声音文件分析场景，一个场景是卧室，另一个场景是街道，这个通过分贝平均值的特征进行分类显然正确率99%以上很正常，这就属于数据本身类内误差小类间误差大，出现这种情况可能说明你的分类问题很简单，或者你为某个较难的分类问题找到了很好的描述特征。
同样是这个声音分析场景的问题，假如你要通过声音数据区分会议室和化学实验室，这个显然分类效果应该比较差。但是，如果你采集的数据中会议室都是女性讲话的声音，实验室都是男性讲话的声音，则问题退化为男声女声分类，使用声音平均频率作为特征值，也很可能正确率超过90%。然而，这时候你重新采集另外一组会议室、实验室的声音测试，就会发现这个分类器完全不适用，这就是由你的测试集与训练集太接近造成的。
赞一下 回复此楼
2楼2012-12-07 16:14:58
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

prettyfarmer

新虫 (初入文坛)
引用回帖:
2楼: Originally posted by chentianyu1 at 2012-12-07 16:14:58
判断方法很简单，拿一组真实的数据，用你训练出的模型分类一下，如果依然正确率很高，那么就没问题了。
可能存在的问题是，你数据本身的类内误差很小、类间误差很大，或者测试集与训练集太接近。
举例来说，假设是 ...

so~ga~  谢谢哦 ~~ 我再测试
赞一下 回复此楼
3楼2012-12-08 13:24:29
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

dsigma

铜虫 (初入文坛)
★
prettyfarmer(金币+1): 谢谢参与
我个人认为训练数据和测试数据的选取理应符合同一场景，不然训练的意义何在？所以，只要你使用了优秀的分类算法，并且选取了有效的训练数据，那么恭喜你！
对于不同场景的识别是这个分类器以外的课题了
赞一下 回复此楼
5楼2012-12-10 22:15:05
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
查看全部 9 个回答
普通表情 龙 兔 虎 猫 高级回复 (可上传附件)
信息提示
关闭
请填处理意见
关闭