ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

多特征和SVM改进的语音关键词识别系统

陈太波; 张翠芳西南交通大学
小型微型计算机系统2019
2阅读
引用收藏
分享

摘要

本文在HMM/Filler模型的基础上,通过对汉语的408个音节建立支持向量机(SVM)分类器提升了HMM系统的识别率,这408个SVM音节分类器有助于全面支持关键词的动态设定.针对SVM分类器训练数据的定长要求,本文通过对关键词特征帧进行等长化处理,使得对音节分类的SVM分类器得以训练.进一步,为了调节系统的融合性,本文提出概率融合公式,即通过设定融合参数λ来调整SVM分类器对HMM/Filler的作用程度.实验结果表明,当融合参数λ=0. 3时,SVM与HMM/Filler融合的关键词识别系统效果最佳,此时融合系统相对于HMM/Filler基线系统识别率有着6. 74%的提升,多特征训练的...

学科与关键词

关键词
识别隐马尔可夫模型(HMM)HMM/Filler模型支持向量机(SVM) recognitionHidden Markov ModelHMM/Filler modelSupport Vector Machine
相关
加载中…
  • 基于语音特征聚类的HMM语音识别系统研究
    姚敏锋; 李心广; 杨佳能微计算机信息, 2012, (10): 458-460.
  • 一种自适应权值的多特征融合分类方法
    张文博; 姬红兵; 王磊系统工程与电子技术, 2013, (06): 1133-1137.
  • 基于DSP开发板的语音识别系统的研究
    杨海燕; 景新幸; 曾招华计算机测量与控制, 2013, (01): 210.
查看全部 →

发表信息

论文状态
公开发表
期刊
小型微型计算机系统
发表日期
2019
卷期
第 11 期
页码
2291-2296
成果收录
CHINAJOURNAL
资助标注
国家自然科学基金项目(61503059)资助;四川省科技计划项目(2018GZ0008)资助;

作者

  • 陈

    陈太波 (第一作者)

  • 张

    张翠芳

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417