多類分類支持向量機(jī)在語(yǔ)音識(shí)別中的應(yīng)用研究.pdf

1、語(yǔ)音識(shí)別是人機(jī)交互技術(shù)的基礎(chǔ)，是語(yǔ)音信號(hào)處理的一個(gè)重要方面，有著廣闊的應(yīng)用前景，對(duì)語(yǔ)音識(shí)別進(jìn)行研究具有重要的理論價(jià)值和實(shí)際意義。
　　 語(yǔ)音識(shí)別是典型的多類分類問(wèn)題，由于支持向量分類機(jī)(SVM)善于解決高維分類問(wèn)題，可以用來(lái)處理語(yǔ)音識(shí)別問(wèn)題。本文首先系統(tǒng)地介紹了語(yǔ)音識(shí)別的基本原理，分析了目前主要的語(yǔ)音識(shí)別方法的局限性和不足，概述了本文研究的基礎(chǔ)——統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)方法，這些方法基于統(tǒng)計(jì)學(xué)習(xí)理論和貝葉斯參數(shù)估計(jì)理論。算法的

2、訓(xùn)練過(guò)程本質(zhì)上是求解一個(gè)二次凸優(yōu)化問(wèn)題，不存在局部極值問(wèn)題，從而避免使學(xué)習(xí)過(guò)程復(fù)雜化。這一方法有許多好處，例如，該模型構(gòu)造了一個(gè)關(guān)于數(shù)據(jù)的最明確的信息依賴模式(即支持向量)，這對(duì)算法完成分類有明確的意義。
　　 本文分別構(gòu)建了基于“一對(duì)一”、“一對(duì)余”、“有向無(wú)環(huán)圖”三種多類分類方法的支持向量機(jī)非特定人語(yǔ)音識(shí)別系統(tǒng)，分析了三種算法各自的優(yōu)缺點(diǎn)，并進(jìn)行了大量的仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，三種支持向量機(jī)應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)中均取得了優(yōu)于隱

3、馬爾可夫模型的識(shí)別結(jié)果，并且算法的運(yùn)行速度也優(yōu)于隱馬爾可夫模型。
　　 其次，研究了在相同的核函數(shù)下，懲罰參數(shù)和核參數(shù)對(duì)支持向量機(jī)泛化性能的影響，分別選取不同的懲罰參數(shù)值和核參數(shù)值進(jìn)行語(yǔ)音識(shí)別實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，懲罰參數(shù)和核參數(shù)會(huì)對(duì)支持向量機(jī)的泛化性能帶來(lái)明顯影響，從而影響語(yǔ)音識(shí)別系統(tǒng)的識(shí)別效果。
　　 為了滿足語(yǔ)音識(shí)別系統(tǒng)對(duì)實(shí)時(shí)性和便攜性的要求，本文提出了一種基于MFCC/SVM在OMAP5912 嵌入式系統(tǒng)開發(fā)平臺(tái)上