未找到相关数据
基于KL散度的支持向量机方法及应用研究
被引：1
作者：
屈微
刘贺平
张海军
机构：
[1] 北京科技大学信息工程学院
[2] 北京科技大学信息工程学院 北京
[3] 北京
来源：
关键词：
支持向量机(SVM);
独立分量分析(ICA);
KL核函数;
说话人确认;
D O I：
10.13976/j.cnki.xk.2005.05.022
中图分类号：
TP391.42 [];
学科分类号：
0811 ;
081101 ;
081104 ;
1405 ;
摘要：
针对ICA提取的说话人语音特征,导出以库尔贝克—莱布勒(KL)散度作为距离测度的KL核函数用来设计支持向量机,实现了一个高分辨率的ICA/SVM说话人确认系统.说话人确认的仿真实验结果表明,使用ICA特征基函数系数比直接使用语音数据训练SVM得到的分类间隔大,支持向量少,而且使用KL核函数的ICA/SVM系统确认的等差率也低于其它传统SVM方法,证明了基于KL散度的支持向量机方法在实现分类和判决上具有高效性能.*
引用
收藏
页码：117 / 120
页数：4
相关论文