改進支持向量機在說話人識別中的應用.pdf_第1頁
已閱讀1頁，還剩55頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、將支持向量機(SVM)模型應用在說話認識別技術領域,是當前的一個研究熱點。SVM是一種區(qū)分性模型,適合處理小樣本的分類問題,具有很強的分類能力。但在實際環(huán)境中,文本無關的說話人識別系統(tǒng)需要較大的語音數(shù)據(jù),將SVM直接用于訓練模型時,會產(chǎn)生訓練速度慢、算法復雜而難以實現(xiàn)和分類結果易受核函數(shù)參數(shù)影響等問題。本文采用高斯聚類(GMM)方法對大量語音數(shù)據(jù)進行分類,利用粒子群算法(PSO)對SVM的核函數(shù)參數(shù)進行優(yōu)化,有效改善了說話人識別系統(tǒng)的識

2、別性能。針對標準PSO算法容易陷入局部最優(yōu)的缺點,提出一種改進的PSO算法。本文主要工作如下:
　　1、前端特征參數(shù)提取部分:詳細分析了語音端點檢測技術、特征選擇和特征變換技術。本文提出了譜熵端點檢測算法,相對于傳統(tǒng)的端點檢測算法,即使在信噪比較低的情況下,也能準確的檢測出語音信號的始末點。此外,對不同組合的特征參數(shù)進行分析,并對選擇的合適的特征參數(shù)進行高斯聚類,減少SVM的訓練量。
　　2、討論了兩種說話人識別方法:基于P

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論