資源描述：
《一種新的基于瓶頸深度信念網(wǎng)絡的特征提取方法及其在語種識別中的應用-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應用文檔-天天文庫。
1、第41卷第3期計算機科學VOI．41No．32014年3月ComputerScienceMar2014一種新的基于瓶頸深度信念網(wǎng)絡的特征提取方法及其在語種識別中的應用李晉徽楊俊安王一(電子工程學院合肥230037)(電子制約技術(shù)安徽省重點實驗室合肥230037)摘要在語種識別中，傳統(tǒng)的MFCC特征由于每幀信號上的信息量不足，很容易受到噪聲污染，且抗噪能力較弱。同時，目前普遍使用的sDC特征提取方法在參數(shù)選擇上需要人為設定，這增加了識別結(jié)果的不確定性。針對上述不足，將深度學習方法引入特征提取之中，提出了基于瓶頸深度信念
2、網(wǎng)絡的特征提取方法。最后在NIST2007數(shù)據(jù)庫上對瓶頸層的大小、隱層數(shù)目以及瓶頸層位置進行了相關(guān)的對比實驗，結(jié)果表明，提出的方法相對于傳統(tǒng)的特征提取方法能夠取得更高的識別率。關(guān)鍵詞語種識別，瓶頸特征，深度信念網(wǎng)絡中圖法分類號TM344．1文獻標識碼ANewFeatureExtractionMethodBasedonBottleneckDeepBeliefNetworksanditsApplicationinLanguageRecognitionLIJin-huiYANGJun-anWANGYi(Electronic
3、EngineeringInstitute，Hefei230037，China)(AnhuiKeyLaboratoryofElectronicRestriction，Hefei230037，China)AbstractInlanguagerecognition。duetotheinsufficiencyofinformationineachframe，traditionalMFCCfeatureex—tractioniseasilysufferedfromnoisepollution．Meanwhile，thegene
4、ra1methodofSIX；featureextractiondependsonat-tificiallysettinginparameterselectionwhichincreasestheuncertaintyofrecognitionperformance．Inordertoovercomethesedrawbacks，thedeeplearningmethodwasintroducedandanovelfeatureextractionapproachnamedBN-DBNwhichisbasedonde
5、eplearningwasproposed．Finally，therelevantcomparativeexperimentsforthebottlenecklayersize。thenumberofhidden1ayersandthepositionofthebottlenecklayerwerecarriedoutinNIST2007database．Exper—imentalresultsshoWthatextractionmethodofthebottleneckfeaturesbasedondeepbeli
6、efnetworksaremoreeffectiveinlanguagerecognition．comparedwithtraditiona1methods．KeywordsLanguagerecognition，Bottleneckfeatures，Deepbeliefnetworks包含20~30毫秒的語音信號，很容易受到噪聲污染，其抗噪1引言能力較弱[4]。對于另一種特征提取方法——差分倒譜參數(shù)語種識別(1anguageIdentification，LID)是語音識別的一(shiftedDeltaCepstra
7、，SIX：)[6]而言，其雖然相對于MFCC參個重要分支，其目的是通過對給定的語音段進行分析處理，識數(shù)進行了很大的改進，但是由于scC的參數(shù)均是人為設定，別出所屬語言種類。近年來，隨著全球一體化進程的不斷加使得其無法通用于所有的語音數(shù)據(jù)，通用性較差?？欤煌Z言間的信息交互日趨頻繁，LID在自動轉(zhuǎn)換服務、針對上述問題，本文將瓶頸結(jié)構(gòu)(Bottle-Neck：BN)和近多語種信息補償?shù)刃畔z索領域有著重要的應用。此外，似人工神經(jīng)網(wǎng)絡(ArtificialNeuralNetworks，以下簡稱LID還可在軍事上用來對目標
8、身份和國籍進行監(jiān)聽或判別。ANN)[7的深度信任神經(jīng)網(wǎng)絡(DeepBeliefNetwork，DBN)隨著信息時代的到來以及因特網(wǎng)的發(fā)展，語種識別越來越顯相結(jié)合，提出了一種新的特征提取方法，稱為BN-DBN方法。示出其應用價值。DBN由于具有對輸入數(shù)據(jù)的內(nèi)部統(tǒng)計結(jié)構(gòu)和密度函數(shù)的要語種識別技術(shù)的研究最早可追溯到1974年，TI公司采求不嚴格，可對
