论文部分内容阅读
儿向语音对早期儿童成长有较大影响，正确检测并充分利用儿向语音具有现实意义。为此，构建一种基于Adaboost算法的汉语儿向语音检测模型，以提高检测准确率。使用决策树作为弱分类器对提取的汉语儿向语音特征进行学习，并组成弱分类器元组，同时对该弱分类器组的分类结果进行加权，区分待测语音的类别。实验结果表明，汉语儿向语音的元音持续时长超过非儿向语音的元音持续时长；提升弱分类器的数量可提高汉语儿向语音检测正确率；分段语音时间越长，汉语儿向语音检测正确率越高；采用改进的Adaboost算法比采用v—SVM算法具有更高