基于PCA-MFCC支持向量机快速语音识别

被引：1

作者：

庞陟儒 ^{[1
]}

张雪英 ^{[1
]}

刘晓峰 ^{[2
]}

机构：

[1] 太原理工大学信息工程学院

[2] 太原理工大学数学学院

来源：

关键词：

支持向量机; mel倒谱频率系数; 主成分分析; 语音识别;

D O I：

暂无

中图分类号：

TN912.34 [语音识别与设备];

学科分类号：

0711 ;

摘要：

针对大规模数据集下支持向量机(SVM)训练耗时长的缺陷,以及支持向量机中核函数维数过高,采用了主成分分析法对语音特征降维,减少了核函数的阶数,降低计算复杂度,进而缩短训练模型所用时间。实验证明,该方法不仅能够缩短训练时间,而且能通过控制贡献度来保持识别率不下降。

引用

页码：1034 / 1036+1072 +1072

页数：4