基于SVM的与文本无关的说话人识别算法研究

基于SVM的与文本无关的说话人识别算法研究

ID:36771342

大小:2.64 MB

页数:63页

时间:2019-05-15

基于SVM的与文本无关的说话人识别算法研究_第1页
基于SVM的与文本无关的说话人识别算法研究_第2页
基于SVM的与文本无关的说话人识别算法研究_第3页
基于SVM的与文本无关的说话人识别算法研究_第4页
基于SVM的与文本无关的说话人识别算法研究_第5页
资源描述:

《基于SVM的与文本无关的说话人识别算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕上.学位论文摘要说话人识别技术因其独特的方便性、经济性和准确性,在身份验证和识别领域,特别是在电子商务、犯罪识别、信息安全等领域有广阔的应用前景。现有的说话人识别技术在理想条件下效果很好,但在实际环境中却由于各种因素的影响,不能得到普遍的应用,其中最重要的一个原因是大训练量和实时性不够。为了在不影响识别率的情况下,提高说话人识别系统的训练和识别速度,本文采用支持向量机(SVM)算法进行说话人识别,提出了两种不同的说话人识别方法:1)基于MRSVM的说话人辨识通过对约简支持向量机的研究,针对该算法中对“支持向量"的选取没有代表性

2、的缺点及说话人识别中大样本训练问题,提出一种基于MRSVM的说话人辨识方法。先通过基于熵的特征筛选法,对训练样本进行维数约简,并改善聚类性能。然后用基于核的可能性聚类算法(KPCM)在特征空间选择最具有代表性的样本训练约简SVM,减少系统的存储量和SVM的训练量。相对标准的SVM,该方法使说话人识别速度有了进一步提高。2)基于IPSO.SVM的说话人识别针对PSO算法容易陷于局部极值的缺点,提出了一种改进的PSO优化算法(IPSO)。该算法根据粒子进化速度对粒子个体极值进行自适应扰动,使粒子及时跳出局部极值点而继续优化,从而扩大

3、粒子搜索范围。改进后的PSO算法可以加快收敛速度,能够更好地调整算法的全局与局部搜索能力之间的平衡。同时,给出了应用IPSO算法训练SVM的方法,并将其应用于说话人识别。改进后的PS0可以使SVM用较少的SV取得最优分类面,从而减少SVM的训练量,提高了说话人识别速度。关键词:说话人识别;支持向量机;特征筛选;核;可能性聚类;粒子群优化算法基于SVM的与文本无关的说话人识别算法研究AbstractDuet0itSspecialmeritSofflexibilit)r,ecoll0111yarldaccuI.aIcy,speake

4、rrecogIlitiontecllIlolog)rhasabroad印plicationprospectiIlbiome仃icssec嘶够field,especiallyitIE-·commerCe,Crimillalidentification,Inf0彻ationSec嘶t),ect.Speakerrecognitiontechlliqueshavepe怕咖ed、veUunderidealcoIlditions;ho、ⅣelVer'thereareStiUm甜lyprobleInSWhenwew{mtto印plyspeal

5、(errecogmtionintopractical印plicatio璐.OneinlporrtantreaSonistllelongcomputationaltimewhentrajllingaspeakermodel0rteStingaIl删-erance.Tmsmakesre鲥一tilTleimplementationVe巧hardandexpensive.Inordert0improve仃血觚dreco鲥tionspeedwimoutdeterioratingreco鲥tionpe墒nn觚ce.Thesupportvec

6、tormacllinew觞usedforrecognitionaJld咖speakerrecogmtionInemodswI玳proposediIlthispaper:1)SpeakeridentificationbaLsedonmulti.reducedSVMThrou曲t11estudyofreducedsuppoIrtvectormachiIle,wefmdthatinRSVMtllesupportVectorSareselectedraJldo硼y.WeaJsol【Ilowthatinspeakerrecognition

7、,the佩Ilings锄1plesareVe巧lager.InordertooVercometheseshortcomings,aspeal(eridentificationapproachbasedonthemulti-reducedSVM(MRSVM)waSproposed访thjsp印er.FirStⅡ伧e肿ropy—basedf.ean鹏selectionapproachwaSexploitedtoreducetlledimensionoftheinputVectorS肌dimproVetheperfo册锄ceofthe

8、clustering.AndⅡlentllekemel.baSedpossibiliSticC—Inea嬲(1@CM)cluSteringalgorimmhadbeennmont11eselectedSa】【IlpIest0giVeoutaseriesofrep

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。