基于多分类器融合的语音识别方法研究.pdfVIP

第23卷第4期 重庆邮电大学学报 (自然科学版) Vo1．23 No．4 2011年 8月 JournalofChongqingUniversityofPostsandTelecommunications(NaturalScienceEdition) Aug．2011 DOI：10．3979／j．issn．1673—825X．2011．04．023 基于多分类器融合的语音识别方法研究 孔 浩，杨 勇，王国胤 (重庆邮电大学 计算机科学与技术研究所 ，重庆400065) 摘 要 ：针对语音识别性能提高的问题 ，提 出了一种基于多分类器融合的语音识别方法，该方法使用支持 向量机 (suppo~vectormachine，SVM)，RBF神经网络与贝叶斯网络作为成员分类器，根据样本库中抽取的校验集计算各成 员分类器的权值 ，以加权评分的投票策略进行决策融合。实验结果表明，通过 多分类器融合的识别结果明显优于 单个分类器，该方法是一种有效的语音识别方法，提高了语音识别系统的性能。 关键词 ：多分类器融合 ；加权投票；语音识别 ；支持 向量机(SVM) 中图分类号：TP391．4 文献标识码 ：A 文章编号：1673-825X(2011)044)492-04 Research onmultiple·classifiersfusion forspeechrecognition KONG Hao，YANG Yong，WANG Guo—yin (InstituteofComputerScienceandTechnology，ChongqingUniversityofPostsandTelecommuni(’ati0ns，Chongqing400065，P．R．China) Abstract：Fusionofmultipleclassifierscanbeintegratedsuperiorityoftheeachclassifier，andbetterrecognitioneffectcan beachieved．Atpresent，themulti—classifierfusionisahottopicinpatternrecognition．Inaspeechrecognitionsystem ， designoftheclassifieristhekeypointtothesuperiority．In thispaper，anovelspeechrecognitionapproachbased on multi．classifierfusionisproposed．SVM，RBFnetworkandhayesnetarefusedbyweightedvotingstrategy，andtheweight iscalculatedaccordingtothevalidationsetsfrom sampledatabase．Theexperimentresultsshow thattheperformanceof multiple—classifiersfusion isbetterthansingleclassifier，andthemethodproposedinthispaperiseffective． Keywords：muhipleclassifierfusion；weightvote；speechrecognition；supportvectormachine(SVM) (hiddenmerkovmodel，HMM)模型的方法；人工神经 0 引 言 网络(artificialneuralnetwork，ANN)的方法；支持向 语音识别是语音信号处理的一个重要研究方 量机(supportvectormachine，