改進(jìn)的支持向量機(jī)分類算法在語(yǔ)音識(shí)別中的應(yīng)用研究.pdf

1、隨著信息和互聯(lián)網(wǎng)產(chǎn)業(yè)的快速發(fā)展，信息社會(huì)對(duì)智能化的水平提出更高的要求。語(yǔ)音識(shí)別技術(shù)是一種快捷、方便的信息交換方式，它以語(yǔ)音為研究對(duì)象，最終目的是實(shí)現(xiàn)人機(jī)能夠自然順暢的語(yǔ)音通信，從而為人類生活提供便利。
　　 與傳統(tǒng)的語(yǔ)音識(shí)別方法相比，支持向量機(jī)具有更好的泛化性能和較高的識(shí)別效率，目前已廣泛應(yīng)用于模式識(shí)別領(lǐng)域。經(jīng)過近幾十年的發(fā)展，支持向量機(jī)理論得到很大的完善，在原始算法的基礎(chǔ)上，提出了一些改進(jìn)的算法。本文就支持向量機(jī)分類算法進(jìn)行了

2、研究，主要工作如下:
　　 (1)首先簡(jiǎn)要介紹了語(yǔ)音識(shí)別的基本原理和方法。在分析了傳統(tǒng)語(yǔ)音識(shí)別方法存在的不足之處后，引入了當(dāng)前流行的一種機(jī)器學(xué)習(xí)方法—支持向量機(jī)，其次重點(diǎn)闡述了支持向量機(jī)的統(tǒng)計(jì)學(xué)理論。支持向量機(jī)其本質(zhì)可轉(zhuǎn)換成二次規(guī)劃問題來(lái)求解，在線性不可分時(shí)，通過非線性映射，將原始樣本映射到高維核空間，選用適當(dāng)?shù)暮撕瘮?shù)，就可得到高維空間的分類函數(shù)，從而實(shí)現(xiàn)線性可分。
　　 (2)針對(duì)傳統(tǒng)的一對(duì)一支持向量機(jī)算法在預(yù)測(cè)階段存

3、在的缺點(diǎn)，本文對(duì)該算法進(jìn)行了改進(jìn)。在分類識(shí)別階段，將得票較低的類別先剔除掉，不用計(jì)算由這些類別構(gòu)成的二分類器的決策函數(shù)值，提高算法的識(shí)別效率。最后在不同詞匯量、不同信噪比的韓語(yǔ)語(yǔ)音庫(kù)下進(jìn)行了實(shí)驗(yàn)，達(dá)到縮短預(yù)測(cè)時(shí)間的目的。
　　 (3)支持向量機(jī)在小樣本、信噪比較高的情況下有較高的識(shí)別效率，但是在大規(guī)模樣本、噪聲環(huán)境下的結(jié)果就不盡人意。為了解決這些問題，本文采用K最近鄰算法先對(duì)訓(xùn)練樣本進(jìn)行刪減，樣本刪減原則是刪除訓(xùn)練樣本中的噪聲點(diǎn)