基于SVM的與文本無關(guān)的說話人識(shí)別算法研究.pdf

1、說話人識(shí)別技術(shù)因其獨(dú)特的方便性、經(jīng)濟(jì)性和準(zhǔn)確性，在身份驗(yàn)證和識(shí)別領(lǐng)域，特別是在電子商務(wù)、犯罪識(shí)別、信息安全等領(lǐng)域有廣闊的應(yīng)用前景?，F(xiàn)有的說話人識(shí)別技術(shù)在理想條件下效果很好，但在實(shí)際環(huán)境中卻由于各種因素的影響，不能得到普遍的應(yīng)用，其中最重要的一個(gè)原因是大訓(xùn)練量和實(shí)時(shí)性不夠。為了在不影響識(shí)別率的情況下，提高說話人識(shí)別系統(tǒng)的訓(xùn)練和識(shí)別速度，本文采用支持向量機(jī)（SVM）算法進(jìn)行說話人識(shí)別，提出了兩種不同的說話人識(shí)別方法： 1）基于MRS

2、VM的說話人辨識(shí)通過對約簡支持向量機(jī)的研究，針對該算法中對“支持向量”的選取沒有代表性的缺點(diǎn)及說話人識(shí)別中大樣本訓(xùn)練問題，提出一種基于MRSVM的說話人辨識(shí)方法。先通過基于熵的特征篩選法，對訓(xùn)練樣本進(jìn)行維數(shù)約簡，并改善聚類性能。然后用基于核的可能性聚類算法（KPCM）在特征空間選擇最具有代表性的樣本訓(xùn)練約簡SVM，減少系統(tǒng)的存儲(chǔ)量和SVM的訓(xùn)練量。相對標(biāo)準(zhǔn)的SVM，該方法使說話人識(shí)別速度有了進(jìn)一步提高。 2）基于IPSO—SVM

3、的說話人識(shí)別針對PSO算法容易陷于局部極值的缺點(diǎn)，提出了一種改進(jìn)的PSO優(yōu)化算法（IPSO）。該算法根據(jù)粒子進(jìn)化速度對粒子個(gè)體極值進(jìn)行自適應(yīng)擾動(dòng)，使粒子及時(shí)跳出局部極值點(diǎn)而繼續(xù)優(yōu)化，從而擴(kuò)大粒子搜索范圍。改進(jìn)后的PSO算法可以加快收斂速度，能夠更好地調(diào)整算法的全局與局部搜索能力之間的平衡。同時(shí)，給出了應(yīng)用IPSO算法訓(xùn)練SVM的方法，并將其應(yīng)用于說話人識(shí)別。改進(jìn)后的PSO可以使SVM用較少的SV取得最優(yōu)分類面，從而減少SVM的訓(xùn)練量，提