基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
支持向量机(SVM)是以统计学习理论为基础,解决模式识别问题的有力工具,但是它训练算法复杂,难以处理大量样本,限制了其在说话人识别方面的使用.针对这个问题,提出了一种基于GMM(高斯混合模型)统计参数和SVM的说话人辨认系统,以GMM模型的统计参数来训练SVM说话人辨认模型,有效解决了大样本数据下SVM模型的训练问题.实验表明,该方法有良好的效果,并且与倒谱加权方法结合后,可以增强系统的健壮性,进一步提高系统的识别率.
推荐文章
基于重组超矢量的GMM-SVM说话人辨认系统
说话人辨认
高斯混合模型-支持向量机
超矢量重组
辨别率
建模时间
基于SVM-GMM混合模型的说话人辨认研究
说话人识别
高斯混合模型(GMM)
支持向量机(SVM)
SVM-GMM混合模型
GMM/ANN混合说话人辨认模型
说话人辨认 GMM ANN 交互信息
短语音说话人辨认的研究
说话人辨认
短语音
局部模糊主成分分析
分裂法与模糊k均值聚类相结合
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于GMM统计参数和SVM的说话人辨认研究
来源期刊 南京邮电大学学报(自然科学版) 学科 工学
关键词 说话人辨认 支持向量机 高斯混合模型 倒谱加权
年,卷(期) 2006,(3) 所属期刊栏目 研究报告
研究方向 页码范围 78-82
页数 5页 分类号 TN91
字数 4720字 语种 中文
DOI 10.3969/j.issn.1673-5439.2006.03.015
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张玲华 南京邮电大学通信与信息工程学院 62 373 10.0 15.0
2 贺志阳 南京邮电大学通信与信息工程学院 1 10 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (1876)
参考文献  (5)
节点文献
引证文献  (10)
同被引文献  (7)
二级引证文献  (8)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(6)
  • 参考文献(1)
  • 二级参考文献(5)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(3)
  • 引证文献(3)
  • 二级引证文献(0)
2009(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(1)
  • 引证文献(0)
  • 二级引证文献(1)
2012(2)
  • 引证文献(0)
  • 二级引证文献(2)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
说话人辨认
支持向量机
高斯混合模型
倒谱加权
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京邮电大学学报(自然科学版)
双月刊
1673-5439
32-1772/TN
大16开
南京市亚芳新城区文苑路9号
1960
chi
出版文献量(篇)
2234
总下载数(次)
13
总被引数(次)
14649
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导