计算机技术与发展
計算機技術與髮展
계산궤기술여발전
COMPUTER TECHNOLOGY AND DEVELOPMENT
2007年
5期
30-32,36
,共4页
说话人识别%最小二乘向量机%核函数%线性预测
說話人識彆%最小二乘嚮量機%覈函數%線性預測
설화인식별%최소이승향량궤%핵함수%선성예측
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.
說話人識彆是語音識彆的一種,是噹前的研究熱點之一.而基于統計學習理論的支持嚮量機(SVM)方法是一種新的機器學習算法,已成為機器學習研究的熱點.討論瞭一種改進的SVM即最小二乘嚮量機(LS-SVM)的方法進行說話人識彆研究.研究錶明,基于LS-SVM的說話人識彆比傳統的SVM說話人識彆計算複雜度小、效率更高、對說話人識彆有很彊的適應性.
설화인식별시어음식별적일충,시당전적연구열점지일.이기우통계학습이론적지지향량궤(SVM)방법시일충신적궤기학습산법,이성위궤기학습연구적열점.토론료일충개진적SVM즉최소이승향량궤(LS-SVM)적방법진행설화인식별연구.연구표명,기우LS-SVM적설화인식별비전통적SVM설화인식별계산복잡도소、효솔경고、대설화인식별유흔강적괄응성.
