太原市大学生创新创业训练计划项目(08122037)
- 作品数：3 被引量：12H指数：2
- 相关作者：张雪英白静郭月玲更多>>
- 相关机构：太原理工大学更多>>
- 发文基金：太原市大学生创新创业训练计划项目山西高校科技研究开发项目山西省自然科学基金更多>>
- 相关领域：电子电信更多>>
- Gaussian核SVM在抗噪语音识别中的应用被引量：2
- 2009年
- 为提高机器学习的推广能力,解决语音识别系统在噪声环境中识别率变差等问题,采用改进的MFCC语音特征参数,用Gaussian核支持向量机(SVM)作为语音识别网络,对SVM多类分类问题采用"一对一"分类算法,实现了一个汉语孤立词非特定人中等词汇量的抗噪语音识别系统。通过实验,分析了Gaussian核参数和误差惩罚参数C对SVM推广能力的影响。实验结果表明,当工作在不同信噪比情况下,使用最优参数的Gaussion核SVM的识别率比使用RBF神经网络有较大的提高,训练时间能大为缩减,鲁棒性也较好。
- 白静张雪英
- 关键词：支持向量机多类分类算法语音识别
- 基于支持向量机的语音识别研究被引量：3
- 2009年
- 为了得到较好的语音识别效果,构建了基于线性核函数支持向量机的非特定人孤立词语音识别系统,取得了较高的识别率,并将该实验结果同基于HMM的识别结果进行了比较,显示出了支持向量机在基于有限样本情况下进行语音识别的优势。
- 郭月玲张雪英白静
- 关键词：支持向量机语音识别
- 基于支持向量机的抗噪语音识别被引量：8
- 2009年
- 阐述了支持向量机的分类机理,采用改进的MFCC语音特征参数,用基于不同核函数的支持向量机(SVM)作为语识别网络,对SVM多类分类问题采用"一对一"分类算法,实现了一个孤立词非特定人中等词汇量的抗噪语音识别系统。通过实验,得到了不同核函数下的识别结果;分析了核参数和误差惩罚参数对SVM推广能力的影响,并将实验结果同基于RBF神经网络的识别结果进行了比较。
- 白静张雪英
- 关键词：支持向量机核函数多类分类算法语音识别
