未找到相关数据
基于支撑向量机的说话人确认系统
被引：9
作者：
何昕
刘重庆
李介谷
不详
机构：
[1] 上海交通大学图象处理与模式识别研究所 ! 上海
来源：
关键词：
支撑向量机;
向量量化;
高斯混合模型;
说话人确认;
说话人识别;
D O I：
暂无
中图分类号：
学科分类号：
摘要：
支撑向量机(SVM)是一种新的统计学习方法,和以往的学习方法不同的是SVM的学习原则是使结构风险(Structural Risk)最小,而经典的学习方法遵循经验风险(Empirical Risk)最小原则,这使得SVM具有较好的总体性能.文章提出一种基于支撑向量机的文本无关的说话人确认系统,实验表明同基于向量量化(VQ)和高斯混合模式(GMM)的经典方法相比,基于SVM的方法具有更高的区分力和更好的总体性能.
引用
收藏
页码：70 / 71+91
+91
页数：3
相关论文