基于特征加权的FSVM在低信噪比语音识别中的应用

• 作者: 刘晓峰 刘红芬 张雪英 王子中 黄丽霞
• 来源期刊: 太原理工大学学报
• 关键词: 模糊支持向量机 三叉决策树 加权 低信噪比 鲁棒性
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 764-768
• 页数: 5页
• 分类号: TN912
• 语种: 中文

摘要

模糊支持向量机(FSVM)赋予每个样本一个模糊隶属度,优化了最优分类面,具有好的抗噪性.为提高低信噪比条件下的语音识别准确率,减小传统支持向量机(SVM)中噪声样本对分类精度造成的影响,首先将模糊支持向量机(FSVM)应用于语音识别系统中的识别网络.在此模型的基础上,考虑到语音样本各维特征的影响,计算各维特征的信息增益作为对分类的重要程度,依据此重要程度确定对各维特征的加权系数,构造加权核函数.为了减小一对一分类模式下的时间复杂度,引入了三叉决策树策略.在仿真实验中,采用韩语语料库的耳蜗滤波器倒谱系数(CFCC)作为实验数据,实验结果表明,在低信噪比语音识别中,特征加权模糊支持向量机(FWFSVM)比传统的SVM具有更好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雪英	太原理工大学信息工程学院	233	1213	15.0	23.0
2	黄丽霞	太原理工大学信息工程学院	14	44	3.0	6.0
3	刘晓峰	太原理工大学理学院	40	120	7.0	7.0
4	刘红芬	太原理工大学信息工程学院	2	5	2.0	2.0
5	王子中	太原理工大学信息工程学院	5	6	2.0	2.0