共 1 条
基于支持向量机的变异语音分类研究
被引：5
作者：
王欢良
韩纪庆
张磊
机构：
[1] 哈尔滨工业大学计算机科学与工程系
[2] 哈尔滨工业大学计算机科学与工程系 黑龙江哈尔滨
[3] 黑龙江哈尔滨
来源：
基金：
教育部留学回国人员科研启动基金;
关键词：
支持向量机;
变异语音分类;
基频;
TEO基频;
核函数;
D O I：
暂无
中图分类号：
TN912.3 [语音信号处理];
学科分类号：
0711 ;
摘要：
变异语音的训练样本有限 ,采用传统的分类方法进行分类 ,效果不够理想 ,而支持向量机方法在有限样本情况下可以保持很好的分类推广能力 .采用支持向量机方法进行变异语音分类 ,提取基频和TEO基频作为变异语音分类的特征 ,讨论了样本预处理和参数选择等问题 .提出了直接截取和DTW规正两种方法来解决语音样本特征向量长度不一致的问题 .基于TEO基频特征 ,采用指数径向基函数 (ERBF)内核 ,对应力(G -force)影响下的变异语音进行分类 ,分类正确率可达到 99 2 % ,比传统的贝叶斯分类器和HMM分类器 ,分类性能分别平均提高了 12 6 %和 6 0 % .实验结果表明 ,采用支持向量机方法进行变异语音分类是可行的 .
引用
收藏
页码：389 / 393
页数：5
相关论文