| 基于SVM的说话人识别参数选择方法 |
| |
| 引用本文： | 徐晨,曹辉,赵晓.基于SVM的说话人识别参数选择方法[J].计算机工程,2012,38(21):175-177. |
| |
| 作者姓名： | 徐晨 曹辉 赵晓 |
| |
| 作者单位： | 陕西师范大学物理学与信息技术学院陕西省超声重点实验室,西安,710100 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | 针对支持向量机(SVM)计算复杂度高的问题，采用归一化和主元分析变换算法对语音数据进行预处理，并把K倍交叉验证与网络搜索法相结合应用到语音识别中。分析结果表明，与遗传算法和粒子群优化算法相比，该方法可以在识别率基本不变的情况下有效提高 SVM的参数寻优效率。
|
| 关 键 词： | 支持向量机 说话人识别 主元分析 交叉验证 归一化 |
| 收稿时间： | 2012-01-05 |
Speaker Recognition Parameter Selection Method Based on SVM |
| |
| XU Chen
,
CAO Hui
,
ZHAO Xiao.Speaker Recognition Parameter Selection Method Based on SVM[J].Computer Engineering,2012,38(21):175-177. |
| |
| Authors: | XU Chen CAO Hui ZHAO Xiao |
| |
| Affiliation: | (Shannxi Key Laboratory of Ultrasound,School of Physics & Information Technology,Shannxi Normal University,Xi’an 710100,China) |
| |
| Abstract: | For high computational complexity of Support Vector Machine(SVM), this paper uses normalized and Principal Component Analysis(PCA) transform algorithm for voice data pretreatment, combining K-fold cross validation with grid searching in speech recognition. Analysis results show that compared with GA and PSO, this method can effectively improve the SVM parameters optimization efficiency when the recognition rate is basically unchanged. |
| |
| Keywords: | Support Vector Machine(SVM) speaker recognition Principal Components Analysis(PCA) cross validation normalization |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载全文 |
