基于特征加权的FSVM在低信噪比语音识别中的应用 |
| |
引用本文: | 刘红芬,张雪英,刘晓峰,黄丽霞,王子中.基于特征加权的FSVM在低信噪比语音识别中的应用[J].太原理工大学学报,2014(6):764-768. |
| |
作者姓名: | 刘红芬 张雪英 刘晓峰 黄丽霞 王子中 |
| |
作者单位: | 太原理工大学信息工程学院;太原理工大学理学院 |
| |
基金项目: | 国家自然科学基金:基于认知机理的情感语音识别基础研究(61371193);山西省青年科技研究基金(2013021016-1);山西省2012年留学回国人员科技活动择优资助 |
| |
摘 要: | 模糊支持向量机(FSVM)赋予每个样本一个模糊隶属度,优化了最优分类面,具有好的抗噪性。为提高低信噪比条件下的语音识别准确率,减小传统支持向量机(SVM)中噪声样本对分类精度造成的影响,首先将模糊支持向量机(FSVM)应用于语音识别系统中的识别网络。在此模型的基础上,考虑到语音样本各维特征的影响,计算各维特征的信息增益作为对分类的重要程度,依据此重要程度确定对各维特征的加权系数,构造加权核函数。为了减小一对一分类模式下的时间复杂度,引入了三叉决策树策略。在仿真实验中,采用韩语语料库的耳蜗滤波器倒谱系数(CFCC)作为实验数据,实验结果表明,在低信噪比语音识别中,特征加权模糊支持向量机(FWFSVM)比传统的SVM具有更好的鲁棒性。
|
关 键 词: | 模糊支持向量机 三叉决策树 加权 低信噪比 鲁棒性 |
本文献已被 CNKI 等数据库收录! |
|