支持向量機(jī)語(yǔ)音識(shí)別系統(tǒng)的數(shù)據(jù)分析預(yù)選取算法研究.pdf

1、隨著基本科學(xué)理論的不斷發(fā)展，人工智能技術(shù)也隨之有了不斷的提高，有了很大的應(yīng)用空間?；谌斯ぶ悄芩惴ǖ恼Z(yǔ)音識(shí)別技術(shù)逐漸成熟，識(shí)別系統(tǒng)的功能越來(lái)越強(qiáng)大，能實(shí)現(xiàn)人機(jī)交互、語(yǔ)音控制等。
　　 支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)的識(shí)別算法，它克服了訓(xùn)練集樣本數(shù)量少、線性不可分、維數(shù)災(zāi)難和局部最優(yōu)等問(wèn)題，有較好的泛化能力和較高的分類(lèi)能力，適用于語(yǔ)音識(shí)別系統(tǒng)。
　　 支持向量機(jī)解決了數(shù)據(jù)樣本較少的這一問(wèn)題，但是支持向量機(jī)的訓(xùn)練過(guò)程中涉及到了大

2、量的矩陣運(yùn)算和核矩陣的存儲(chǔ)問(wèn)題，出現(xiàn)了訓(xùn)練時(shí)間過(guò)長(zhǎng)的現(xiàn)象。本文的研究目的就是縮短大數(shù)據(jù)量下支持向量機(jī)訓(xùn)練時(shí)間。
　　 本著這一目的本文從輸入語(yǔ)音識(shí)別系統(tǒng)的數(shù)據(jù)維數(shù)方面，采用主成分分析法對(duì)語(yǔ)音的美爾頻率倒譜系數(shù)做降維運(yùn)算，并且通過(guò)主成分的特征值貢獻(xiàn)度這一參數(shù)保證語(yǔ)音識(shí)別系統(tǒng)的識(shí)別精度不下降，以期大幅降低了支持向量機(jī)訓(xùn)練時(shí)間。另外，本文利用支持向量機(jī)中只有支持向量對(duì)訓(xùn)練得到的模型中的決策函數(shù)有貢獻(xiàn)這一原理，從數(shù)據(jù)的選取和訓(xùn)練方式的角