多分類支持向量機(jī)的研究及在說話人識(shí)別中的應(yīng)用.pdf

1、支持向量機(jī)算法是統(tǒng)計(jì)學(xué)習(xí)理論中最年輕的分支。它以統(tǒng)計(jì)學(xué)>--j理論中的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理為基礎(chǔ)，根據(jù)有限的樣本信息在模型的復(fù)雜性與學(xué)習(xí)能力之間尋求最佳折衷，獲得了較好的推廣能力?；诖?，支持向量機(jī)正得到越來越廣泛的應(yīng)用。 由于支持向量機(jī)在實(shí)質(zhì)上只能解決兩分類問題，而現(xiàn)實(shí)中多分類問題則更為常見。將SVM推廣到多分類領(lǐng)域是一個(gè)正在研究中的問題。本文基于這一主題，在研究了當(dāng)前幾種常見的多分類支持向量機(jī)算法的基礎(chǔ)上，結(jié)合這些算

2、法各自性能上的特點(diǎn)并充分考慮到測(cè)試時(shí)間與測(cè)試精度在實(shí)際應(yīng)用中的重要性，提出了在OAO-SVMs算法中引入分層思想的H-OAO-GYMs模型。同時(shí)，由于多分類情況下樣本集通常過于龐大，本文還提出了一種基于“黃金分割”的樣本裁減方法。 為了驗(yàn)證H-OAO-SVMs模型的有效性與實(shí)用性，本文將該模型引入到說話人識(shí)別領(lǐng)域。所謂說話人識(shí)別，是指通過對(duì)說話人語音信號(hào)的分析處理，自動(dòng)確認(rèn)說話人是否在記錄的話者集合中，以及進(jìn)一步確認(rèn)說話人的身份