计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2007年
29期
210-213
,共4页
方言辨识%支撑矢量机(SVM)%高斯混合模型(GMM)
方言辨識%支撐矢量機(SVM)%高斯混閤模型(GMM)
방언변식%지탱시량궤(SVM)%고사혼합모형(GMM)
统计学习理论证明,支撑矢量机是具有高分类能力和高推广性能的优秀分类器.但由于语音的动态时间属性,它很难直接应用到汉语方言辨识领域.论文利用高斯混合模型和语言模型提取等维的全局语言特征,成功解决了支撑矢量机难于直接处理动态时间模式的困难,有效地增强了系统的分类能力.实验结果表明,支撑矢量机方法可以比直接用语言模型进行分类决策提高近20%的正确辨识率,比人工神经网络方法也可提高4%的正确辨识率.
統計學習理論證明,支撐矢量機是具有高分類能力和高推廣性能的優秀分類器.但由于語音的動態時間屬性,它很難直接應用到漢語方言辨識領域.論文利用高斯混閤模型和語言模型提取等維的全跼語言特徵,成功解決瞭支撐矢量機難于直接處理動態時間模式的睏難,有效地增彊瞭繫統的分類能力.實驗結果錶明,支撐矢量機方法可以比直接用語言模型進行分類決策提高近20%的正確辨識率,比人工神經網絡方法也可提高4%的正確辨識率.
통계학습이론증명,지탱시량궤시구유고분류능력화고추엄성능적우수분류기.단유우어음적동태시간속성,타흔난직접응용도한어방언변식영역.논문이용고사혼합모형화어언모형제취등유적전국어언특정,성공해결료지탱시량궤난우직접처리동태시간모식적곤난,유효지증강료계통적분류능력.실험결과표명,지탱시량궤방법가이비직접용어언모형진행분류결책제고근20%적정학변식솔,비인공신경망락방법야가제고4%적정학변식솔.