基于改进的最大后验概率矢量量化和最小二乘支持向量机集成算法

• 作者: 关胜晓 张俊
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 最大后验概率 最小二乘支持向量机 权重 平均向量 说话人识别
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 行业与领域应用
• 页码范围: 2101-2104
• 页数: 4页
• 分类号: TN391.4|TP181|TN912.34
• 字数: 4040字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.07.2101

摘要

针对目前说话人识别系统的效率问题,采用集成算法的策略,提出一种新的说话人识别系统框架.首先,考虑到传统的最大后验概率矢量量化(VQ-MAP)算法中只关注平均矢量而不考虑权重的问题,提出了改进的VQ-MAP算法,使用加权平均向量来代替平均向量;然后,由于支持向量机(SVM)算法相对耗时,故采用最小二乘支持向量机(LS-SVM)替代SVM算法;最后,在说话人识别系统中,利用改进的VQ-MAP算法所得参数集作为LS-SVM的训练样本.实验结果表明,基于改进的VQ-MAP和LS-SVM的集成算法,与传统的SVM算法相比,在均使用径向基函数(RBF)核函数时,对40人样本数据建模时间上减少接近40％;在阈值为1,测试语音时长为4s时,与传统的VQ-MAP和SVM算法相比,误识率降低了1.1％,误拒率降低了2.9％,识别率提高了3.9％;在阈值为1,测试语音时长为4s时,与传统的VQ-MAP和LS-SVM算法相比,误识率降低了3.6％,误拒率降低了2.7％,识别率提高了4.4％.结果表明,集成算法能够有效提高算法识别率,明显减少运算时间,同时降低误识率和误拒率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	关胜晓	中国科学技术大学信息科学技术学院	35	355	9.0	18.0
2	张俊	中国科学技术大学信息科学技术学院	74	745	15.0	26.0