基于SVM一对一分类的语种识别方法 |
| |
作者姓名: | 王宪亮 吴志刚 杨金超 周若华 颜永红 |
| |
作者单位: | 中国科学院声学研究所,语言声学与内容理解重点实验室;新疆维吾尔自治区公安厅 |
| |
基金项目: | 国家自然科学基金项目(10925419,90920302,61072124,11074275,11161140319,91120001);中国科学院战略性先导科技专项(XDA06030100,XDA06030500);国家“八六三”高技术项目(2012AA012503);中科院重点部署项目(KGZD-EW-103-2) |
| |
摘 要: | 语种识别系统通常采用支持向量机(support vectormachine,SVM)一对多分类加Gauss后端分类器的方法进行分类。传统的SVM一对一分类在进行线性鉴别性分析(linear discriminant analysis,LDA)时特征值矩阵往往为奇异的,识别性能很低。该文提出一种改进的一对一分类方法,对SVM一对一分类得分重新建模,识别性能明显提高。在美国国家标准技术署(National Institute of Standardsand Technology,NIST)2011年语种识别评测(languagerecognition evaluation,LRE)30s数据集上的实验结果表明:在采用SVM的全变化量因子分析(total variability,iVector)和支持向量机-Gaussn超向量(support vectormachine-Gaussian super vector,SVM-GSV)语种识别系统上,该方法比SVM一对多分类方法性能更好,并且两种方法线性融合可明显提升识别性能,在iVector系统上各指标相对提升7.7%~15.9%,在SVM-GSV系统上各指标相对提升11.2%~33.9%。
|
关 键 词: | 支持向量机(SVM) 一对一分类 语种识别 |
本文献已被 CNKI 等数据库收录! |
|