语音识别的SVM模型选择分析  

Speaker Recognition Model Selection Analysis Based on SVM

作　　者：赵海君 ZHAO Hai-jun （College of Information, Shanxi Agricultural University, Taigu 030800, China）

机构地区：山西农业大学信息学院,山西太谷030800

出　　处：《电脑知识与技术》2015年第9期133-134,共2页Computer Knowledge and Technology

摘　　要：针对现有SVM模型选择方法中，人为指定核函数类型可能使得SVM性能难以达到最优化，分析了现有核函数类型对语音分类率的影响。并把K-交叉验证思想与网格搜索法、遗传算法、粒子群优化算法相结合进行参数寻优，应用到语音识别中。并对语音特征数据处理问题进行了研究。分析结果表明[-1,1]内对语音特征参数归一化，且采用径向基核函数、网格搜索法对参数寻优，能达到最优的语音分类率。For existing SVM model selection method, specified the type of man-made kernel may make it difficult to optimize the performance of SVM, it analyses the impact of existing kernel type to speech classification. Combining K-fold cross validation with grid searching and GA and PSO are used parameter optimization in speech recognition. Also it studies speech characteristic pro- cessing problem .Analysis results show that the normalization of [- 1, 1] and using Radial Basis Function（RBF） and grid searching can achieve the best speech classification rate.

关 键 词：语音识别 语音特征参数 SVM(支持向量机) 模型选择 归一化 交叉验证 

分 类 号：TP18[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]