刘红芬
- 作品数：3 被引量：1H指数：1
- 供职机构：太原理工大学信息工程学院更多>>
- 发文基金：山西省青年科技研究基金国家自然科学基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 加权改进的支持向量机在低信噪比语音识别中的应用
- 近年来随着信息技术的快速发展，计算机成为人们工作、学习以及生活中不可或缺的重要部分，为人们带来了很大的便利。在人机交互过程中，与鼠标、键盘、触摸屏等接触式设备相比，语音识别是一种更加便捷的方式，同时语音识别技术也是实现智...
- 刘红芬
- 关键词：支持向量机低信噪比特征加权自适应增强算法语音识别
- 文献传递
- 改进的AdaBoost.M2-SVM在低信噪比语音识别中的应用被引量：1
- 2015年
- 提出了基于雁群启示的粒子群优化算法改进的AdaBoost.M2-SVM算法.首先训练多个支持向量机作为弱分类器,用AdaBoost.M2算法将多个弱分类器集成为最终的强分类器,实现多类分类;采用GeesePSO算法对AdaBoost.M2算法计算出的权值进行优化得到一组最优的权值,提高最终强分类器的提升能力.实验结果表明,在低信噪比语音识别中,与SVM相比,改进的AdaBoost.M2-SVM表现出更好的泛化能力,提高了识别准确率.
- 刘红芬刘晓峰张雪英黄丽霞王子中
- 关键词：支持向量机权值低信噪比
- 基于特征加权的FSVM在低信噪比语音识别中的应用
- 2014年
- 模糊支持向量机(FSVM)赋予每个样本一个模糊隶属度,优化了最优分类面,具有好的抗噪性。为提高低信噪比条件下的语音识别准确率,减小传统支持向量机(SVM)中噪声样本对分类精度造成的影响,首先将模糊支持向量机(FSVM)应用于语音识别系统中的识别网络。在此模型的基础上,考虑到语音样本各维特征的影响,计算各维特征的信息增益作为对分类的重要程度,依据此重要程度确定对各维特征的加权系数,构造加权核函数。为了减小一对一分类模式下的时间复杂度,引入了三叉决策树策略。在仿真实验中,采用韩语语料库的耳蜗滤波器倒谱系数(CFCC)作为实验数据,实验结果表明,在低信噪比语音识别中,特征加权模糊支持向量机(FWFSVM)比传统的SVM具有更好的鲁棒性。
- 刘红芬张雪英刘晓峰黄丽霞王子中
- 关键词：模糊支持向量机加权低信噪比
