利用SVM的聚类算法在时间序列信号识别中的应用

被引:1
作者
汪永涛
机构
[1] 安徽财贸职业学院电子信息系
关键词
隐马尔科夫模型; 支持向量机; 神经网络;
D O I
10.19304/j.cnki.issn1000-7180.2012.03.044
中图分类号
TP311.13 []; TN911.7 [信号处理];
学科分类号
1201 ; 0711 ; 080401 ; 080402 ;
摘要
研究了一维时间序列信号识别的问题.针对基于混合高斯模型的隐马尔科夫(HMM)编码准确率低的问题,提出了一种利用多个支持向量机构造混合支持向量机,从而为隐马尔科夫模型提供更精确的观测值编码和发生矩阵,能有效的提高HMM在语音信号识别或者文字识别中的准确率.本方法可以应用到语音识别,文字识别以及生物信息处理等领域.
引用
收藏
页码:182 / 184
页数:3
相关论文
共 4 条
[1]   无线传感器网络节点部署算法的优化研究 [J].
颜文胜 .
计算机仿真, 2011, 28 (04) :126-129
[2]   基于离散隐马尔科夫模型的语音识别技术 [J].
高清伦 ;
谭月辉 ;
王嘉祯 .
河北省科学院学报, 2007, (02) :8-11
[3]   基于神经网络的语音合成环节中英语单词音节划分的技术 [J].
张浩然 ;
韩正之 ;
李昌刚 .
计算机工程与应用, 2003, (09) :95-97
[4]   从线性预测HMM到一种新的语音识别的混合模型 [J].
欧智坚 ;
王作英 .
电子学报, 2002, (09) :1313-1316