电脑知识与技术
電腦知識與技術
전뇌지식여기술
Computer Knowledge and Technology
2015年
25期
133-134
,共2页
语音识别%语音特征参数%SVM(支持向量机)%模型选择%归一化%交叉验证
語音識彆%語音特徵參數%SVM(支持嚮量機)%模型選擇%歸一化%交扠驗證
어음식별%어음특정삼수%SVM(지지향량궤)%모형선택%귀일화%교차험증
针对现有SVM模型选择方法中,人为指定核函数类型可能使得SVM性能难以达到最优化,分析了现有核函数类型对语音分类率的影响.并把K-交叉验证思想与网格搜索法、遗传算法、粒子群优化算法相结合进行参数寻优,应用到语音识别中.并对语音特征数据处理问题进行了研究.分析结果表明[-1.1]内对语音特征参数归一化,且采用径向基核函数、网格搜索法对参数寻优,能达到最优的语音分类率.
針對現有SVM模型選擇方法中,人為指定覈函數類型可能使得SVM性能難以達到最優化,分析瞭現有覈函數類型對語音分類率的影響.併把K-交扠驗證思想與網格搜索法、遺傳算法、粒子群優化算法相結閤進行參數尋優,應用到語音識彆中.併對語音特徵數據處理問題進行瞭研究.分析結果錶明[-1.1]內對語音特徵參數歸一化,且採用徑嚮基覈函數、網格搜索法對參數尋優,能達到最優的語音分類率.
침대현유SVM모형선택방법중,인위지정핵함수류형가능사득SVM성능난이체도최우화,분석료현유핵함수류형대어음분류솔적영향.병파K-교차험증사상여망격수색법、유전산법、입자군우화산법상결합진행삼수심우,응용도어음식별중.병대어음특정수거처리문제진행료연구.분석결과표명[-1.1]내대어음특정삼수귀일화,차채용경향기핵함수、망격수색법대삼수심우,능체도최우적어음분류솔.
