此外，在AMR-WB+标准里，语音和音乐的分类器也 是采用的决策树的方法。而支持向量机分类器(Support Vector Machine Classifier)作为一种近几年来被很多机器学习和模式识别领域里采用的分类 器，也被证明是一种非常行之有效的方法。
基于22个网页-相关网页
2．基于支持向量机的方法 支持向量机分类器（Support Vector Machines，SVM）基于结构风险最小化原 理最小化泛化误差，通过构造最优分类超平面实现模式分类。
基于2个网页-相关网页
多支持向量机分类器 multiple support vector machine classifiers
支持向量机分类器结构简单、可获得全局最优、泛化能力强。
SVM has good characteristics of simple structure, global optimum and strong generalization ability.
支持向量机分类器克服了当前常用的模式识别方法的缺点，有效提高了识别率。
Support vector machine classifier overcome the shortcoming of the present and commonly used pattern-recognition methods, and has improved the recognition rate effectively.
实验结果表明，所提出的置信特征和支持向量机分类器取得了很好的确认效果。
Experimental results show that confidence measures and the SVM classifier are effective for utterance verification.
应用推荐