基于流形正则化极限学习机的语种识别系统

被引：12

作者：

徐嘉明 ^{[1
,2
]}

张卫强 ^{[3
]}

杨登舟 ^{[1
,2
]}

刘加 ^{[3
]}

夏善红 ^{[2
]}

机构：

[1] 中国科学院大学

[2] 中国科学院电子学研究所传感技术国家重点实验室

[3] 不详

来源：

自动化学报 | 2015年 / 41卷 / 09期

关键词：

语种识别; 极限学习机; 流形学习; 支持向量机;

D O I：

10.16383/j.aas.2015.c140916

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

支持向量机(Support vector machine,SVM)在语种识别中已经起到了重要的作用.近些年来,极限学习机(Extreme learning machine,ELM)在很多领域取得了成功的应用.相比于SVM,ELM最大的优点在于极易实现、训练速度快,而且通常可以取得与SVM相近甚至优于SVM的识别性能.鉴于ELM这些优异的特点,本文将ELM引入到语种识别中,并针对ELM由于随机初始化模型参数所带来的潜在问题,提出了流形正则化极限学习机(Manifold regularized extreme learning machine,MRELM)算法.实验结果表明,在高斯超矢量(Gaussian supervector,GSV)特征空间上,相对于SVM基线系统,该算法对30秒语音的识别性能有明显的提升.同时该算法也可以成功地应用到i-vector特征空间中,取得与当前主流的打分算法相近的识别性能.

引用

页码：1680 / 1685

页数：6

共 8 条

[1] Regularized extreme learning machine for regression with missing data[J] . Qi Yu,Yoan Miche,Emil Eirola,Mark van Heeswijk,Eric Séverin,Amaury Lendasse.Neurocomputing . 2013
[2] Weighted extreme learning machine for imbalance learning[J] . Weiwei Zong,Guang-Bin Huang,Yiqiang Chen.Neurocomputing . 2013
[3] Robust extreme learning machine[J] . Punyaphol Horata,Sirapat Chiewchanwattana,Khamron Sunat.Neurocomputing . 2013
[4] Extreme learning machine: Theory and applications[J] . Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew.Neurocomputing . 2006 (1)
[5] Support vector machines for speaker and language recognition[J] . W.M. Campbell,J.P. Campbell,D.A. Reynolds,E. Singer,P.A. Torres-Carrasquillo.Computer Speech ＆ Language . 2005 (2)
[6] Automatic language identification[J] . Marc A Zissman,Kay M Berkling.Speech Communication . 2001 (1)
[7] Extreme learning machines: A survey. Huang, Guang-Bin,Wang, Dian Hui,Lan, Yuan. International Journal of Machine Learning and Cybernetics . 2011
[8] Trace Ratio vs. Ratio Trace for Dimensionality Reduction. Huan Wang,Shuicheng Yan,Dong Xu,Xiaoou Tang,Thomas Huang. Proceedings of Conference on Computer Vision and Pattern Recognition . 2007

← 1 →