高斯超向量-支持向量机鉴别性语种识别系统  

GSV-SVM based language recognition system

作　　者：梁春燕[1] 安茂波[2] 刘振业[2] 索宏彬[1] 汪俊杰[1] 

机构地区：[1]中国科学院声学研究所语言声学与内容理解重点实验室,北京100190 [2]国家计算机网络应急技术处理协调中心,北京100029

出　　处：《计算机工程与应用》2013年第2期174-176,180,共4页Computer Engineering and Applications

基　　金：国家自然科学基金(No.10925419;No.90920302;No.10874203;No.60875014;No.61072124;No.11074275)

摘　　要：支持向量机在语种识别技术中获得了广泛的研究和应用,并且达到和传统混合高斯模型相当的性能。高斯超向量-支持向量机系统将高斯混合模型与支持向量机有效地结合起来,采用高斯超向量核函数,以支持向量机作为后端分类器。重点介绍基于高斯超向量-支持向量机的语种识别系统,并和传统的高斯混合模型系统进行比较。在美国国家标准技术研究院2003年和2007年语种识别评测数据集上进行实验。实验结果表明,高斯超向量-支持向量机系统相对于混合高斯模型建模的方法,在长时数据上有较明显的性能优势。The Support Vector Machine（SVM） has been widely used in language recognition. It has reached comparable perfor- mance with the traditional Gaussian Mixture Model（GMM）. Gaussian Super Vector-Support Vector Machine （GSV-SVM）, which effectively combines GMM and SVM, is presented in this paper. The experiments are carried out on the NIST LRE2003 and LRE2007 test corpus. The results indicate that the GSV-SVM system can achieve significant improvements on the long-time duration test set, compared with the method of GMM.

关 键 词：语种识别 高斯混合模型 支持向量机 高斯超矢量 

分 类 号：TP319[自动化与计算机技术—计算机软件与理论]