基于支持向量机的抗噪语音识别.pdfVIP

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于支持向量机的抗噪语音识别.pdf

第 40 卷  第 1 期 太 原 理 工 大 学 学 报 Vol . 40 No . 1 2009 年 1 月      J OU RN AL O F TA IYUAN UN IV ER SIT Y O F T EC HN OL O GY     J an . 2009   文章编号 (2009) 0 100 1104 基于支持向量机的抗噪语音识别 白 静 ,张雪英 (太原理工大学 信息工程学院 ,山西 太原 030024) 摘  要 :阐述了支持向量机的分类机理 ,采用改进的 M FCC 语音特征参数 ,用基于不同核函数 ( ) 的支持向量机 SV M 作为语识别网络 ,对 SV M 多类分类问题采用“一对一”分类算法 ,实现了一个 孤立词非特定人中等词汇量的抗噪语音识别系统 。通过实验 ,得到了不同核函数下的识别结果 ;分 析了核参数和误差惩罚参数对 SV M 推广能力的影响 ,并将实验结果同基于 RB F 神经网络的识别 结果进行了比较 。 关键词 :支持向量机 ;核函数 ;多类分类算法 ;语音识别 中图分类号 : TN 9 12    文献标识码 :A   语音识别技术的目的就是实现人机语音通信 , 平台上得到了不同信噪比和不同词汇量下的识别结 使计算机操作更加自然和方便 。传统的语音识别模 果 ,并与基于 RBF 神经网络的语音识别结果进行了 ( ) 型如隐马尔可夫 Hidden Mar kov Mo del s , HMM 比较 ,较好的识别结果显示出了 SVM 在基于有限样 ( ) 和人工神经网络 A rtificialN eural N et wor k ,AN N 本情况下进行语音识别的优势 。 都是基于统计学理论的 , 只有当训练样本集充分大 时 ,识别性能才会最好 。但实际问题中样本数 目往 1  支持向量机分类机理 往有 限 , 因而实际应用 中难 以达到理想 的效果 。 在两类模式识别问题中, 给定 l 个训练样本集 ( d Vap nik 等人于 90 年代提出的支持向量机 Supp ort { ( x i , y i) ; x i ∈R ; y i ∈{ - 1 , 1} ; i = 1 , 2 , …l} , 则支 Vector Machine , SV M) 是建立在统计学习理论的 持向量机是指由下式确定的分类规则 V C (Vap nik Chervonenk s) 维理论和结构风险最小 l ( ) α ( ) ( ) f x = sgn i y i K x i , x + b . 1

文档评论(0)

尐丶丑 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档