在移动平台上，支持向量机和神经网络哪个更有效？
在移动平台上，支持向量机和神经网络哪个更有效？
提问于 2014-04-12 16:54:12
我目前正在研究一个情感框架，我计划使用移动平台上的摄像头输入来识别用户当前的情绪表达，使用CI2CV我成功地提取了66个地标，使用这66个标记，我应该能够将表达式归类为8个预定义的基本情绪中的一个，比如: happy=81%、angry=9% .等
在这方面，哪一个更有效？使用支持向量机( SVM )或神经网络( Networks )，要记住这必须在移动平台上完成，因此资源消耗和限制是一个值得关注的问题。
回答 2
Stack Overflow用户
回答已采纳
发布于 2014-04-12 17:39:29
如前所述，只应在移动设备上执行实际分类。因此，就分类时间而言，训练模型的：如果建立线性模型的话，无论是还是神经网络，都将是同样快的。但是，如果你使用非线性变换，如果支持向量机选择了很多支持向量，那么它的速度会比SVM慢得多。具有N个支持向量的支持向量机与N个隐藏神经元的神经网络相比速度快。
Stack Overflow用户
发布于 2014-04-12 16:58:20
当然，您不必(也不应该)在移动设备上进行培训/交叉验证/验证。这才是最需要时间的。
一旦你训练了你的分类器，那么简单地通过它们运行一组特征(你很可能最终每种情绪有一个分类器)就不会花太长时间使用支持向量机或神经网络。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/23033411
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号