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:
统计学习理论证明,支撑矢量机是具有高分类能力和高推广性能的优秀分类器.但由于语音的动态时间属性,它很难直接应用到汉语方言辨识领域.论文利用高斯混合模型和语言模型提取等维的全局语言特征,成功解决了支撑矢量机难于直接处理动态时间模式的困难,有效地增强了系统的分类能力.实验结果表明,支撑矢量机方法可以比直接用语言模型进行分类决策提高近20%的正确辨识率,比人工神经网络方法也可提高4%的正确辨识率.
推荐文章
汉语方言的集成决策辨识
方言辨识
AdaBoost
Bagging
集成学习
基于聚类支持矢量机的汉语方言辨识
方言辨识
支持矢量机
高斯混合模型
半监督矢量量化的汉语方言辨识
方言辨识
半监督码本
矢量量化
基于AdaBoost的汉语方言辨识
AdaBoost算法
高斯混合模型
方言辨识
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 基于支撑矢量机的汉语方言辨识
来源期刊 计算机工程与应用 学科 工学
关键词 方言辨识 支撑矢量机(SVM) 高斯混合模型(GMM)
年,卷(期) 2007,(29) 所属期刊栏目 工程与应用
研究方向 页码范围 210-213
页数 4页 分类号 TP391
字数 4256字 语种 中文
DOI 10.3321/j.issn:1002-8331.2007.29.061
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 顾明亮 清华大学自动化系 36 181 7.0 12.0
4 张长水 清华大学自动化系 32 1429 12.0 32.0
11 夏玉果 1 12 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (13)
参考文献  (5)
节点文献
引证文献  (12)
同被引文献  (19)
二级引证文献  (11)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(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)
2009(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(2)
  • 引证文献(1)
  • 二级引证文献(1)
2011(1)
  • 引证文献(0)
  • 二级引证文献(1)
2012(2)
  • 引证文献(1)
  • 二级引证文献(1)
2013(4)
  • 引证文献(2)
  • 二级引证文献(2)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
方言辨识
支撑矢量机(SVM)
高斯混合模型(GMM)
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导