基于支撑向量机的说话人确认系统

• 作者: 何昕 刘重庆 李介谷
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支撑向量机 向量量化 高斯混合模型 说话人确认 说话人识别
• 年，卷（期）: 2000,（12）
• 所属期刊栏目: 学术探讨
• 页码范围: 70-71,91
• 分类号: TP3
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2000.12.027

摘要

支撑向量机(SVM)是一种新的统计学习方法,和以往的学习方法不同的是SVM的学习原则是使结构风险(Structural Risk)最小,而经典的学习方法遵循经验风险(Empirical Risk)最小原则,这使得SVM具有较好的总体性能.文章提出一种基于支撑向量机的文本无关的说话人确认系统,实验表明同基于向量量化(VQ)和高斯混合模式(GMM)的经典方法相比,基于SVM的方法具有更高的区分力和更好的总体性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李介谷	上海交通大学图象处理与模式识别研究所	24	446	9.0	21.0
2	何昕	上海交通大学图象处理与模式识别研究所	6	164	5.0	6.0
3	刘重庆	上海交通大学图象处理与模式识别研究所	42	945	17.0	30.0