摘要
将支持向量机(SVM)引入自动语种识别领域,并在其基础上提出一种改进的SVM--K-近邻支持向量机(KNN-SVM):先利用KNN对训练集进行筛选,对每个样本求得它的K近邻,由目标样本与它的K近邻的类标的异同,决定其取舍,然后再用SVM来训练分类器.该方法有助于降低噪声干扰及不同语言的语音特征相互混杂的影响,简化SVM的决策面,尽量避免SVM发生过匹配.利用OGI-TS数据库对新算法的性能进行了测试.实验结果表明,该算法相对于传统语种识别方法和SVM算法,在分类正确率、分类速度上表现出了一定的优越性并且适用于大规模样本集的训练.
NETL
NSTL
维普
万方数据