基于最小二乘向量机的说话人识别研究

• 作者: 但志平 郑胜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 说话人识别 最小二乘向量机 核函数 线性预测
• 年，卷（期）: 2007,（7）
• 所属期刊栏目: 学术探讨
• 页码范围: 49-51
• 页数: 3页
• 分类号: TP391.4
• 字数: 3469字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2007.07.015

摘要

说话人识别系统在说话人模板的建立过程中由于说话人的语音帧数量太多,往往要进行筛选,通常这种选择是一种基于枚举的大量反复的提取过程,复杂费时且结果往往并不是最优的.而基于统计学习理论的支持向量机(SVM)方法正好克服了这方面的不足.讨论了一种改进的SVM即最小二乘向量机(LSSVM)的方法进行说话人识别研究.研究表明,基于LSSVM的说话人识别比传统的SVM说话人识别计算复杂度小、效率更高、对说话人识别有很强的适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑胜	三峡大学电气信息学院	18	177	8.0	12.0
5	但志平	三峡大学电气信息学院	20	50	5.0	5.0