| 最小二乘向量机在说话人识别中的应用 |
| |
| 引用本文： | 但志平,郑胜.最小二乘向量机在说话人识别中的应用[J].微机发展,2007,17(5):30-32. |
| |
| 作者姓名： | 但志平 郑胜 |
| |
| 作者单位： | 华中科技大学电信系，华中科技大学电信系 湖北武汉430074，三峡大学电气信息学院，湖北宜昌443002，湖北武汉430074，三峡大学电气信息学院，湖北宜昌443002 |
| |
| 摘 要： | 说话人识别是语音识别的一种,是当前的研究热点之一。而基于统计学习理论的支持向量机(SVM)方法是一种新的机器学习算法,已成为机器学习研究的热点。讨论了一种改进的SVM即最小二乘向量机(LS-SVM)的方法进行说话人识别研究。研究表明,基于LS-SVM的说话人识别比传统的SVM说话人识别计算复杂度小、效率更高、对说话人识别有很强的适应性。
|
| 关 键 词： | 说话人识别 最小二乘向量机 核函数 线性预测 |
| 文章编号： | 1673-629X(2007)05-0030-03 |
| 修稿时间： | 2006年8月21日 |
Application of LS-SVM in Speaker Recognition |
| |
| DAN Zhi-ping,ZHENG Sheng.Application of LS-SVM in Speaker Recognition[J].Microcomputer Development,2007,17(5):30-32. |
| |
| Authors: | DAN Zhi-ping ZHENG Sheng |
| |
| Affiliation: | DAN Zhi-ping1,2,ZHENG Sheng1,2 |
| |
| Abstract: | Speaker recognition is regarded as a kind of voice recognition.It is one of the current research hotspots.The support vector machines(SVM) based on ethe statistical learning theory is a new machine learning algorithm as the hotspots of machine learning research.An improved SVM,the least square support vector machines(LS-SVM) is discussed in this paper.The experimental results demonstrate that the LS-SVM-based speaker recognition is less computational complexity and more effient than the SVM-based speaker recognition.Then it has high adaptability for the speaker recognition. |
| |
| Keywords: | speaker recognition least square support vector machines kernel function linear predictive coding |
| 本文献已被 CNKI 等数据库收录！ |
