基于SVM-对多得分规整的语种识别方法

• 作者: 万玉龙 包秀国 周若华 张健 王宪亮 袁庆升 颜永红
• 来源期刊: 网络新媒体技术
• 关键词: 支持向量机 得分规整 并行音素识别器后接向量空间模型
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 数字媒体技术
• 页码范围: 27-30,47
• 页数: 5页
• 字数: 2271字
• 语种: 中文

摘要

提出一种支持向量机(SVM)一对多得分规整的语种识别方法.通过对SVM得分进行规整,提高了各语种得分间的区分性,同时对分类效果较差的SVM分类器更鲁棒.仿真实验基于音素层特征的并行音素识别器后接向量空间模型(PPRVSM)的语种识别系统上进行,在美国国家标准技术署(NIST) 2011年语种识别评测(LRE) 30s数据集上的实验表明,提出的规整方法在语种识别性能评价指标EER和minDCF上相对提升2.6％-10.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健	中国科学院声学研究所语言声学与内容理解重点实验室	272	3714	30.0	51.0
2	万玉龙	中国科学院声学研究所语言声学与内容理解重点实验室	4	7	1.0	2.0
3	王宪亮	中国科学院声学研究所语言声学与内容理解重点实验室	3	7	1.0	2.0
4	周若华	中国科学院声学研究所语言声学与内容理解重点实验室	7	37	4.0	6.0
5	袁庆升		10	34	4.0	5.0
6	包秀国		13	62	5.0	7.0