LVQ神经网络研究及其在说话人识别中的应用.pdfVIP

摘 要 游缀鹅络弱予模式谖爨懿最大将点在于其筑够鑫适痰学习输入模式波熬、竣 入与输出模式之间的内在规律，为解决那些很难阁精确的数学诺苦进行描述的模 式谈剽瓣题疆供了翌育力爨手袋；它鼓裔鑫鳃缓藕鑫学习转能力、簌强抟曩装分 类遍蚕嚣分髓力}盖及对不完全信患蔚鲁棒性，鸯能能近侏瑷怒静分类嚣。说话入 议别技术终为语密信号始理技术熬～个代表和懿猫组成部分，露壤十分广瓣熬磺 究和应阁的前景，但说话人语音的特征蕴涵在说话入的语音信号中，受时间、环 壤、穗落人身薅羧凌等嚣豢麓彩麓，粥基§#还没蠢～令旗接鲍理论寒撵述。将裤 经网络斑嗣于说话入识涮率，有蓿积极的理论意义和实际意义。 本论文生要趣以蜕话人识别为实验对象，对概率神经网络(PNN)和学习矢 羹量纯(LVQ)耱经两络，避行了深入、系统静掰究。主要研究王雅及藏果惫据： 蓄巍，逶遥骚变壤率牵孛经鬻络(PNN)，分橇其不麓著对蒸遴行了羧避，在 魏墓磷上擒遥了蓉于模獭c．翅毽的缀率耆串经嬲络(FCM，PNN)分类器。 其次，从研究学习矢蘑量化(LVQ)神经网络出发，论述了LVQ神经网络 基本蒙壤、方法段霹终结秘。拿}辩LVQ穆经羁络热赛懿不是，搓蠢了LVQ襻经 网络的褡广形式，在此基础上将萋予推广形式的熟型算法迸幸予了比较。 最蜃，在LVQ耪缀耀络提广形式静蒸礁上，褥基子统诗学习理论中静鬻嫠 靛EMLVQ辩经瑟络。 关键谣：概率}事缀网络；模襁。海德；学嚣矢鬣爨健；较突争榛式；麓耀最大 学习矢懿量他 Abstract of to Themost character Neuralnetwork liesinthat significant applying patternrecognition learnthe neuralnetworkcan rulesoftheinnerof the andthe adaptively inputpattern betweenthe a toolfor thekind input＆outputpattern。itpresents of relationships powerfulsolving exact whichcannotbedescribedmath hastheabillties by of problem language．Neura{network robustwith information．It classifying，and self-organizingself-learning，powerfulinadequate eanbeaclassifterwithalmost one of perfect recognition鑫sofimportant properties．Speaker parts has and the speech processingwidelyresearching