PCA-VQ融合降维的SMO-SVM说话人识别研究 |
| |
作者姓名: | 席青云 孙同日 陶佰睿 杨文博 苗凤娟 |
| |
作者单位: | 内蒙古广播电视大学兴安盟分校;黑河学院计算机与信息工程学院;齐齐哈尔大学通信与电子工程学院 |
| |
基金项目: | 教育部“科教融创”职业教育改革创新课题(HBKC217107) |
| |
摘 要: | 针对说话人语音原始梅尔频率倒谱系数(MFCC)特征参数维数较高造成的模型计算效率低以及不稳定的问题,基于序列最小优化(SMO)高效算法求解支持向量机(SVM)基本型的对偶问题,开展主成分分析-矢量量化((PCA-VQ)融合降维的SMO-SVM说话人识别算法研究。改进后的算法在MATLAB平台上仿真通过。仿真结果表明:通过PCA-VQ融合算法对MFCC特征参数进行优化降维后,SMO-SVM说话人识别模型的正确率提高3.77%,训练时间节省1.24 s,具有较好推广应用价值。
|
关 键 词: | 说话人识别 主成分分析 矢量量化 序列最小优化 支持向量机 |
|
| 点击此处可从《传感技术学报》浏览原始摘要信息 |
|
点击此处可从《传感技术学报》下载全文 |