基于模糊支持向量机的语音识别方法

被引：33

作者：

朱志宇

张冰

刘维亭

机构：

[1] 江苏科技大学电子信息学院

来源：

计算机工程 | 2006年 / 02期

关键词：

语音识别; 模糊支持向量机; 模糊隶属度; 小波分析;

D O I：

暂无

中图分类号：

TN912.3 [语音信号处理];

学科分类号：

081002 [信号与信息处理];

摘要：

通过计算输入样本的模糊隶属度,探讨了模糊支持向量机(FSVM)的原理,应用其对语音信号进行识别,并和RBF神经网络、支持向量机(SVM)的识别效果进行了比较。在仿真实验中,采用小波分析方法提取语音特征向量,识别结果表明,SVM和FSVM比RBF网络具有较好的泛化性能,训练时间也大大缩减。此外,FSVM比SVM有更强的抵抗噪声的能力。

引用

收藏

页码：180 / 182

页数：3

相关论文

共 7 条

[1]

基于损失函数的SVM算法及其在轻微故障诊断中的应用 [J].

翟永杰 ;

韩璞 ;

王东风 ;

王国鹏 .

中国电机工程学报, 2003, (09)

[2]

基于HMM建模技术的语音识别改进算法 [J].

罗志增 ;

肖志宏 .

模式识别与人工智能, 2002, 15 (01) :108-111

[3]

基于快速神经网络算法的非特定人语音识别 [J].

田岚 ;

陆小珊 ;

白树忠 ;

不详 .

控制与决策 , 2002, (01) :65-68

[4]

一种具有强分类能力的离散HMM训练算法 [J].

方绍武 ;

戴蓓倩 ;

李霄寒 .

软件学报, 2001, (10) :1540-1543

[5]

基于支持向量机的非线性系统故障诊断 [J].

胡寿松 ;

王源 .

控制与决策, 2001, (05) :617-620

[6]

一种时间规整算法在神经网络语音识别中的应用 [J].

史笑兴 ;

顾明亮 ;

王太君 ;

何振亚 .

东南大学学报, 1999, (05) :47-51

[7]

统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,