資源描述：
《基于SVM的與文本無關(guān)的說話人識別算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、碩上．學位論文摘要說話人識別技術(shù)因其獨特的方便性、經(jīng)濟性和準確性，在身份驗證和識別領(lǐng)域，特別是在電子商務(wù)、犯罪識別、信息安全等領(lǐng)域有廣闊的應(yīng)用前景。現(xiàn)有的說話人識別技術(shù)在理想條件下效果很好，但在實際環(huán)境中卻由于各種因素的影響，不能得到普遍的應(yīng)用，其中最重要的一個原因是大訓練量和實時性不夠。為了在不影響識別率的情況下，提高說話人識別系統(tǒng)的訓練和識別速度，本文采用支持向量機(SVM)算法進行說話人識別，提出了兩種不同的說話人識別方法：1)基于MRSVM的說話人辨識通過對約簡支持向量機的研究，針對該算法中對“支持向量"的選取沒有代表性
2、的缺點及說話人識別中大樣本訓練問題，提出一種基于MRSVM的說話人辨識方法。先通過基于熵的特征篩選法，對訓練樣本進行維數(shù)約簡，并改善聚類性能。然后用基于核的可能性聚類算法(KPCM)在特征空間選擇最具有代表性的樣本訓練約簡SVM，減少系統(tǒng)的存儲量和SVM的訓練量。相對標準的SVM，該方法使說話人識別速度有了進一步提高。2)基于IPSO．SVM的說話人識別針對PSO算法容易陷于局部極值的缺點，提出了一種改進的PSO優(yōu)化算法(IPSO)。該算法根據(jù)粒子進化速度對粒子個體極值進行自適應(yīng)擾動，使粒子及時跳出局部極值點而繼續(xù)優(yōu)化，從而擴大
3、粒子搜索范圍。改進后的PSO算法可以加快收斂速度，能夠更好地調(diào)整算法的全局與局部搜索能力之間的平衡。同時，給出了應(yīng)用IPSO算法訓練SVM的方法，并將其應(yīng)用于說話人識別。改進后的PS0可以使SVM用較少的SV取得最優(yōu)分類面，從而減少SVM的訓練量，提高了說話人識別速度。關(guān)鍵詞：說話人識別；支持向量機；特征篩選；核；可能性聚類；粒子群優(yōu)化算法基于SVM的與文本無關(guān)的說話人識別算法研究AbstractDuet0itSspecialmeritSofflexibilit)r，ecoll0111yarldaccuI．a(chǎn)Icy，speake
4、rrecogIlitiontecllIlolog)rhasabroad印plicationprospectiIlbiome仃icssec嘶夠field，especiallyitIE-·commerCe，Crimillalidentification，Inf0徹ationSec嘶t)，ect．Speakerrecognitiontechlliqueshavepe怕咖ed、veUunderidealcoIlditions；ho、ⅣelVer'thereareStiUm甜lyprobleInSWhenwew{mtto印plyspeal
5、(errecogmtionintopractical印plicatio璐．OneinlporrtantreaSonistllelongcomputationaltimewhentrajllingaspeakermodel0rteStingaIl刪-erance．Tmsmakesre鰣一tilTleimplementationVe巧hardandexpensive．Inordert0improve仃血觚dreco鰣tionspeedwimoutdeterioratingreco鰣tionpe墑nn觚ce．Thesupportvec
6、tormacllinew觴usedforrecognitionaJld咖speakerrecogmtionInemodswI玳proposediIlthispaper：1)SpeakeridentificationbaLsedonmulti．reducedSVMThrou曲t11estudyofreducedsuppoIrtvectormachiIle，wefmdthatinRSVMtllesupportVectorSareselectedraJldo硼y．WeaJsol【Ilowthatinspeakerrecognition
7、，the佩Ilings鋤1plesareVe巧lager．InordertooVercometheseshortcomings，aspeal(eridentificationapproachbasedonthemulti-reducedSVM(MRSVM)waSproposed訪thjsp印er．FirStⅡ傖e腫ropy—basedf．ean鵬selectionapproachwaSexploitedtoreducetlledimensionoftheinputVectorS肌dimproVetheperfo冊鋤ceofthe
8、clustering．AndⅡlentllekemel．baSedpossibiliSticC—Inea嬲(1@CM)cluSteringalgorimmhadbeennmont11eselectedSa】【IlpIest0giVeoutaseriesofrep
