学习向量量化 (LVQ) 不平衡输入大小答案

【问题标题】：Learning Vector Quantization (LVQ) Unbalance Input Size学习向量量化 (LVQ) 不平衡输入大小
【发布时间】：2016-05-19 20:01:54
【问题描述】：

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}}

但我的 mfcc 结果数据大小不平衡，例如：

x11[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}}

那么对于 LVQ 训练和输入，我该如何处理这种不平衡的数据大小？

【问题讨论】：

什么是mfcc？。尝试更好地解释您的问题。例如，您可以提供示例数据。
@AtillaOzgur mfcc 是梅尔频率倒谱系数，通常用于音频识别。我已经编辑了我的问题

标签： machine-learning neural-network training-data mfcc

【解决方案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}}

【讨论】：

谢谢你的回答，我试试看它是否工作，但如果我有另一个比最大尺寸更大的输入，比如：>x4[6][4] = {{1,1,0,1},{1,0,1,1},{1,1,1,0},{1,0,0,1},{0,1,0,1} ,{1,0,0,0},{1,0,1,1}}