高斯超向量-支持向量机鉴别性语种识别系统

来源 :计算机工程与应用 | 被引量 : 0次 | 上传用户:sadlyiwas
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
支持向量机在语种识别技术中获得了广泛的研究和应用,并且达到和传统混合高斯模型相当的性能。高斯超向量.支持向量机系统将高斯混合模型与支持向量机有效地结合起来,采用高斯超向量核函数,以支持向量机作为后端分类器。重点介绍基于高斯超向量一支持向量机的语种识别系统,并和传统的高斯混合模型系统进行比较。在美国国家标准技术研究院2003年和2007年语种识别评测数据集上进行实验。实验结果表明,高斯超向量.支持向量机系统相对于混合高斯模型建模的方法,在长时数据上有较明显的性能优势。
其他文献
步进电动机在起动过程中,需要对其输入的脉冲频率进行控制,使其能准确定位且起动时间尽可能短.在分析步进电动机的矩频特性、系统的运动方程式的基础上,建立脉冲频率优化控制的数
本文构造了一种新的统计量αAB,给出了一种简便易行的检验两个具有名义尺度的总体概率分布相等的方法,并用随机模拟的方法研究了这种检验的功效.
针对压缩传感中高维投影计算采用稀疏性较差的普通随机测量矩阵,从而导致计算复杂度高,重构性能不佳这一难题,提出一种基于二分图邻接矩阵的压缩传感图像快速重建算法。该算法在满足测量矩阵的RIP条件下,充分利用二分图邻接矩阵的稀疏性与二值性,将时间复杂度由传统算法的O(N·logN)降低至O(N)。实验结果表明,算法在保证图像重构质量情况下大大提高了运算性能,尤其对于色彩(灰度)变化平缓图像,该算法性能更
基于硬判决反馈的比特交织编码调制迭代译码(BICM-ID)系统解映射算法计算简单,复杂度低,易于工程实现,但在信噪比较低时,由于预先判决的错误较多,反馈时容易产生误码传播。针对这一