语音识别SVM模型选择探析.docVIP

语音识别的SVM模型选择分析 　　摘要：针对现有SVM模型选择方法中，人为指定核函数类型可能使得SVM性能难以达到最优化，分析了现有核函数类型对语音分类率的影响。并把K-交叉验证思想与网格搜索法、遗传算法、粒子群优化算法相结合进行参数寻优，应用到语音识别中。并对语音特征数据处理问题进行了研究。分析结果表明[-1，1]内对语音特征参数归一化，且采用径向基核函数、网格搜索法对参数寻优，能达到最优的语音分类率 关键词：语音识别；语音特征参数；SVM（支持向量机）；模型选择；归一化；交叉验证 中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2015）25-0133-02 Speaker Recognition Model Selection Analysis Based on SVM ZHAO Hai-jun （College of Information， Shanxi Agricultural University， Taigu 030800， China） Abstract： For existing SVM model selection method， specified the type of man-made kernel may make it difficult to optimize the performance