面向說話人識別的SVM核方法對比研究.pdf_第1頁
已閱讀1頁,還剩78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、說話人識別是根據(jù)語音波形中反映說話人生理和行為特征的語音參數(shù),自動識別出說話人的過程,它是語音信號處理的一個重要研究方向,作為一種生物認證技術,具有廣泛的應用前景。
   支持向量機是在統(tǒng)計學習理論上發(fā)展出來的一種模式識別方法,在解決有限樣本、非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢。由于支持向量機具有堅實的理論基礎,引起越來越多的人們關注,近年來,支持向量機在說話人識別中的應用日益廣泛。
   支持向量機作為說話

2、人識別模型分為基于幀的和基于語句的兩種方式?;谡Z句的說話人支持向量機模型重點在于核函數(shù)的構造,核函數(shù)是一種語句間相似度的描述工具,在實現(xiàn)上它通常表現(xiàn)為兩條語句間的距離,在形式上它是多種多樣的,可以是內(nèi)積形式,也可以是距離,還可以是模型得分。目前核函數(shù)的構造往往是采用試探性實驗的方式進行的,缺乏對構造思想以及其合理性的詳細分析,因此,對不同核函數(shù)的構造思想及過程進行分析,有助于加深對核函數(shù)意義的理解,并為構造新的核提供借鑒思路。

3、   論文首先給出了一種通用的核函數(shù)構造模式。在此基礎上著重對通用線性區(qū)分核、概率距離核、超向量核、Fisher核與偏差核這幾個核函數(shù)進行對比研究,分析它們的構建思想,挖掘其內(nèi)在的合理性,找出它們相互間的區(qū)別與聯(lián)系。具體工作包括:
   1.通用線性區(qū)分核函數(shù)。對序列核概念、核函數(shù)設計的思路與推導、映射方式以及訓練算法等作了細致的分析,并進行實驗驗證:
   2.概率距離核和超向量核。對兩種核函數(shù)的構造方法與推導、映射

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