项目名称: 基于改进的支持向量机在语音识别中的应用研究
项目编号: No.60961002
项目类型: 地区科学基金项目
立项/批准年度: 2010
项目学科: 金属学与金属工艺
项目作者: 景新幸
作者单位: 桂林电子科技大学
项目金额: 18万元
中文摘要: 支持向量机,具有简洁的数学形式和良好的泛化能力, 能较好地解决小样本、非线性、高维数和局部极小点等实际问题。而对于语音识别, 直接用频率参数去建立SVM语音模型,特别在普通语音条件下,存在着特征参数的维数很高,运算量和内存需求非常大等问题。从如何处理大规模样本集的训练问题、提高训练算法收敛速度等方面的角度出发,提出了一种改进的SVM算法,构建最优的识别分类器可以有效地解决传统分类器的过学习、泛化能力差和维数灾难等问题;并在此基础上,通过对VQ、DTW、HMM、GMM等方法的比较,找出一种可以与SVM融合较好的方法,以降低训练语音的长度对SVM话者模型的制约,使系统的性能得到改进,进而可以弥补了传统SVM的缺点,并且在整个识别过程中具有一种自适应调节的能力,具有较大的研究意义和美好的应用前景。
中文关键词: 支持向量机;改进;语音识别;算法;融合
英文摘要:
英文关键词: support vector machine;improved;speech recognition;algorithm;fusion