文档名：PCAVQ融合降维的SMOSVM说话人识别研究
摘要：针对说话人语音原始梅尔频率倒谱系数(MFCC)特征参数维数较高造成的模型计算效率低以及不稳定的问题,基于序列最小优化(SMO)高效算法求解支持向量机(SVM)基本型的对偶问题,开展主成分分析-矢量量化((PCA-VQ)融合降维的SMO-SVM说话人识别算法研究.改进后的算法在MATLAB平台上仿真通过.仿真结果表明:通过PCA-VQ融合算法对MFCC特征参数进行优化降维后,SMO-SVM说话人识别模型的正确率提高3.77％,训练时间节省1.24s,具有较好推广应用价值.
作者：席青云 孙同日 陶佰睿 杨文博 苗凤娟 Author：XIQingyun SUNTongri TAOBairui YANGWenbo MIAOFengjuan
作者单位：内蒙古广播电视大学兴安盟分校,内蒙古兴安盟137400;齐齐哈尔大学通信与电子工程学院,黑龙江齐齐哈尔161006黑河学院计算机与信息工程学院,黑龙江黑河164300齐齐哈尔大学通信与电子工程学院,黑龙江齐齐哈尔161006
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(2)
分类号：TN912.3TP183
关键词：说话人识别 主成分分析 矢量量化 序列最小优化 支持向量机
机标分类号：TP391.41TN912.34TP181
在线出版日期：2023年4月23日
基金项目：教育部科教融创职业教育改革创新课题，黑龙江省教育厅基本科研业务专项PCA-VQ融合降维的SMO-SVM说话人识别研究[
期刊论文] 传感技术学报--2023, 36(2)席青云 孙同日 陶佰睿 杨文博 苗凤娟针对说话人语音原始梅尔频率倒谱系数(MFCC)特征参数维数较高造成的模型计算效率低以及不稳定的问题,基于序列最小优化(SMO)高效算法求解支持向量机(SVM)基本型的对偶问题,开展主成分分析-矢量量化((PCA-VQ)融合降维的S...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
PCA-VQ融合降维的SMO-SVM说话人识别研究 Research on SMO-SVM Speaker Recognition Based on PCA-VQ Fusion Dimensionality Reduction
PCA-VQ融合降维的SMO-SVM说话人识别研究.pdf
- 文件大小:
- 2.16 MB
- 下载次数:
- 60
-
高速下载
|
