基于支持向量机的语音识别研究.PDFVIP

第六届全国人机语音通讯学术会议，223-226 页，2001 年 11 月 20-22 日，深圳 基于支持向量机的语音识别研究基于支持向量机的语音识别研究 基于支持向量机的语音识别研究基于支持向量机的语音识别研究 * + * + 苏毅 , 吴文虎 , 郑方 , 方棣棠 清华大学计算机科学与技术系 智能技术与系统国家重点实验室 语音技术中心 100084 北京 * + {suy, fzheng}@ , {wuwh, fangdt}@ y , y , L, y ，其中 y ∈ {1, − 1}, i = 1, L, l 标 摘要摘要 1 2 l i 摘要摘要 明该向量属于两类中的哪一类。 支持向量机是基于统计学习理论的模式分类器。它通 若超平面 w ⋅x + b 能将训练样本分开，则有 过结构风险最小化准则和核函数方法，较好地解决了 模式分类器复杂性和推广性之间的矛盾，引起了模式 w ⋅xi + b 0 ，若 y i = 1 （1） 识别领域学者 的极大关注。近年来，随着其快速训练 w ⋅xi + b 0 ，若 y i = − 1 （2 ） 算法的出现，支持向量机在手写体识别、人脸检测、 文本分类等领域取得了很大的成功。 适当调整 w 和 b ，可将（1）（2 ）改写成 本文将支持向量机用于孤立数字识别，并与传统 w ⋅x + b ≥ 1，若 y = 1 （3 ） i i 的基于隐马尔可夫模型的方法进行了比较。初步结果 显示了这一模型在语音识别领域的应用潜力。 w ⋅xi + b ≤ − 1，若 y i = − 1 （4 ） 或者 1. 引言引言 引言引言 y (w ⋅x + b) ≥ 1， ∀i ∈ {1, L, l} （5 ）