基于SVM的说话人识别参数选择方法
徐晨;曹辉;赵晓
【期刊名称】《计算机工程》 【年(卷),期】2012(038)021
【摘要】针对支持向量机(SVM)计算复杂度高的问题,采用归一化和主元分析变换算法对语音数据进行预处理,并把K倍交叉验证与网络搜索法相结合应用到语音识别中.分析结果表明,与遗传算法和粒子群优化算法相比,该方法可以在识别率基本不变的情况下有效提高SVM的参数寻优效率.%For high computational complexity of Support Vector Machine(SVM), this paper uses normalized and Principal Component Analysis(PCA) transform algorithm for voice data pretreatment, combining K-fold cross validation with grid searching in speech recognition. Analysis results show that compared with GA and PSO, this method can effectively improve the SVM parameters optimization efficiency when the recognition rate is basically unchanged. 【总页数】3页(175-177)
【关键词】支持向量机;说话人识别;主元分析;交叉验证;归一化 【作者】徐晨;曹辉;赵晓
【作者单位】陕西师范大学物理学与信息技术学院陕西省超声重点实验室,西安710100;陕西师范大学物理学与信息技术学院陕西省超声重点实验室,西安710100;陕西师范大学物理学与信息技术学院陕西省超声重点实验室,西安710100
【正文语种】中文 【中图分类】TP391 【相关文献】
1.基于改进PSO训练SVM的说话人识别方法 [C], 李明; 张勇; 李军权; 张亚芬
2.基于SVM-GMM的开集说话人识别方法 [J], 陈黎; 徐东平
3.基于类内方差归一化和SVM的说话人识别方法 [J], 高新建; 李弼程; 屈丹 4.利用高斯混合模型的均值参数实现基于SVM说话人身份识别 [J], 徐波; 陈爱月; 申子健
5.基于VQ-SVM的说话人识别系统 [J], 赵振东; 胡喜梅; 田景峰
以上内容为文献基本信息，获取文献全文请下载
基于SVM的说话人识别参数选择方法
