machine-learning - 学习向量量化 (LVQ) 不平衡输入大小

Question

我是新学习 LVQ，我想用我的mfcc（梅尔频率倒谱系数）结果来实现它。据我所知，我研究的每个示例都有统一的训练和输入数据大小数组，例如：

x1[2][4] = {{0,1,1,1},{1,1,1,1},[{1,1,0,1}}

x2[2][4] = {{0,1,1,0},{1,1,0,1},{1,0,0,1}}

x3[2][4] = {{1,0,1,0},{1,1,1,0},{0,0,0,1}}

但是我的 mfcc 结果数据大小不平衡，例如：

x1 1 [4] = {{0,1,1,1},{1,1,1,1}}

x2[2][4] = {{0,0,1,0},{1,1,0,1},{1,0,0,1}}

x2[4][4] = {{0,0,1,0},{1,1,0,1},{1,0,0,1},{0,1,1,1},{ 1,0,1,0}}

那么我该如何处理这种不平衡的 LVQ 训练和输入数据大小呢？

Answer 1

在这个问题中要尝试的最基本的事情是用 0 个分量填充缺失值。由于您的梅尔频率倒谱系数基本上是傅立叶变换，然后是第二次傅立叶变换。这应该没有影响。

尝试找到输入向量的最大大小。然后用 0 填充其他较小的输入向量缺失维度。如下所示。

x1[1][4] = {{0,1,1,1},{1,1,1,1},,{0,0,0,0},{0,0,0,0}, {0,0,0,0}}

x2[2][4] = {{0,0,1,0},{1,1,0,1},{1,0,0,1},{0,0,0,0},{ 0,0,0,0}}

x2[4][4] = {{0,0,1,0},{1,1,0,1},{1,0,0,1},{0,1,1,1},{ 1,0,1,0}}