基于改进的支持向量机在语音识别中的应用研究

项目名称： 基于改进的支持向量机在语音识别中的应用研究

项目编号： No.60961002

项目类型： 地区科学基金项目

立项/批准年度： 2010

项目学科： 金属学与金属工艺

项目作者： 景新幸

作者单位： 桂林电子科技大学

项目金额： 18万元

中文摘要： 支持向量机，具有简洁的数学形式和良好的泛化能力, 能较好地解决小样本、非线性、高维数和局部极小点等实际问题。而对于语音识别, 直接用频率参数去建立SVM语音模型，特别在普通语音条件下,存在着特征参数的维数很高，运算量和内存需求非常大等问题。从如何处理大规模样本集的训练问题、提高训练算法收敛速度等方面的角度出发，提出了一种改进的SVM算法，构建最优的识别分类器可以有效地解决传统分类器的过学习、泛化能力差和维数灾难等问题；并在此基础上，通过对VQ、DTW、HMM、GMM等方法的比较，找出一种可以与SVM融合较好的方法，以降低训练语音的长度对SVM话者模型的制约，使系统的性能得到改进，进而可以弥补了传统SVM的缺点，并且在整个识别过程中具有一种自适应调节的能力，具有较大的研究意义和美好的应用前景。

中文关键词： 支持向量机；改进；语音识别；算法；融合

英文摘要：

英文关键词： support vector machine；improved；speech recognition；algorithm；fusion