基于SVM与UBM的语言辨识技术
语言辨识本质上属于模式识别问题，但是语音信号的动态特性使得语言辨识不能成为一个简单的静态分类问题。支持向量机(SVM)作为一种基于结构风险最小化的技术已成功地应用在模式识别的众多领域中。 本文使用全局背景模型(UBM)对Louradour序列核进行了改进，增强了特征向量之间的区分度，从而得到SVM和UBM相结合的语言辨识系统。实验结果表明，该系统的识别率高于经典的高斯混合模型(GMM)、基于广义线性区分性核(GLDS)的支持向量机模型和原始的Louradour核的支持向量机系统。
人工智能 语言辨识 支持向量机 全局背景模型
彭天强 李弼程 张文林
信息工程大学信息工程学院，郑州，450002
国内会议
西安
中文
1369-1375
2006-11-16（万方平台首次上网日期，不代表论文的发表时间）