基于支持向量回归的唇动参数预测.pdf

第40卷第1l期 计算机研究与发展 v01．40．№．11 2003年11月 0FC。MPU7n淑RESEAR(HAND Nov2()03 JOURNAL DEVELOPMEN，r 基于支持向量回归的唇动参数预测 王志明 蔡莲红艾海舟 (清华大学计算机科学与技术系北京100084) (w脚帕0@n埔iJs，tsln曲Lla，edlI．cn) 摘要支持向量机学习方珐以结构风险最小化原则取代传统机器学习方法中的经验风险最小化原则．在有限样本的 机器学习中显示出优异的性能．将这一新的统计学习方法应用到多媒体交互作用的研究中，用支持向量回归的方法由语 音预测唇动参数．通过对语音的线性预测系数进行主分量分析，有效地压缩了声学特征参数的维数．结合交叉校验和最 速下降优化方法，选择最佳的支持向量回归学习参数．在汉语0～9的任意数字串上对唇高参数的预测实验结果达到了 均方误差0．0096，平均幅度误差7．2％及相关系数0．8的效果．这一结果优于一个文中优化过的人工神经网络所达到的 性能。说明这一方法很有潜力． 关键词支持向量机；支持向量回归；线性预测系数；主分量分析；人工神经网络 中围法分类号1礤9I Mouth Vector Mov帅姐t Predicti蚰B鼬ed蚰S叩portRe印嘲i蚰 WANG AIH丑j—Zhou Zh；一Mjng，CAI“an—Hong，aTld (印越以脚n￡0，[bm加灯＆扣，脚Ⅱ耐T碱咖，矗卿黼uni聊1毋，B嘶i曙100084) whichis AbstractUnliketraditional瑚chine based riskmini血zation leaming on咖pirical principle， is 0n risl【rninh血zation vector basedstructural s}1dws Supportlnachine(SⅥvI)Iea．H1iTlg princ岫1e．SVM in with n鲫method int}le 0fmultimedia powe“ulabilitylea玎lillgliIIlited跚pleS．1、hisis印plied study on interacti011andin themouthmov∞1em based predicting byspeech support唧torr锚p_ession(SVR)． Theaudio dimeTlsmisreduced the parameters byprincipk∞mpon肌tsanalysis(PCA)，aIldopti划SvR are啦lectedbasedoncross·validation趾ddescent 1eamiflg steepest algDrithInoptimizatm．With par踟eters in the C托nese numbe『sfmm0 to9，the re础tsreachO，0096 experjmenton