支持向量機(jī)樣本預(yù)選取技術(shù)在語音識別中的應(yīng)用研究.pdf

1、語音識別作為人機(jī)交互的關(guān)鍵技術(shù),在工業(yè)生產(chǎn)及社會生活中有著很廣闊的應(yīng)用空間。因此,研究語音識別系統(tǒng)是有相當(dāng)?shù)睦碚摵蛯?shí)踐價值。
　　 本文首先對語音識別系統(tǒng)的基本概念和原理進(jìn)行了簡要的介紹,分析了傳統(tǒng)的語音識別技術(shù)的優(yōu)點(diǎn)以及其局限性,其次闡述了本文主要研究的機(jī)器學(xué)習(xí)方法即:支持向量機(jī)。主要介紹了作為支持向量機(jī)基礎(chǔ)的統(tǒng)計學(xué)習(xí)理論,以及支持向量機(jī)多類分類的常用方法。本文是為了解決支持向量機(jī)的核函數(shù)因參數(shù)尋優(yōu)問題,產(chǎn)生冗余的額外計算量,

2、從而導(dǎo)致大量的時間浪費(fèi),以及支持向量機(jī)在訓(xùn)練過程中,將很多時間都浪費(fèi)在對非支持向量的復(fù)雜計算上,特別是對于大規(guī)模數(shù)據(jù)量的語音識別系統(tǒng)來說,支持向量機(jī)在訓(xùn)練時間上不必要的開銷將會更加顯著。
　　 鑒于以上弊端,本文引用了基于切比雪夫多項(xiàng)式的核函數(shù),切比雪夫核函數(shù)避免了因核函數(shù)改變而帶來的新參數(shù)的尋優(yōu)問題,以及在支持向量機(jī)的訓(xùn)練過程中能夠獲得更少的支持向量個數(shù)。同時結(jié)合了高斯核函數(shù)的優(yōu)良性能,對廣義的切比雪夫核函數(shù)進(jìn)行了適當(dāng)?shù)母倪M(jìn)得

3、到修正切比雪夫核函數(shù),它在保證廣義切比雪夫核函數(shù)良好特性不變的基礎(chǔ)上,使得預(yù)測樣本的識別率得到了進(jìn)一步的提高。
　　 與此同時,本文還提出了一種多類分類的支持向量預(yù)選取算法,該算法運(yùn)用了核模糊C均值聚類的原理,該聚類是一種常用的典型動態(tài)聚類算法,并且具有核函數(shù)能夠把模式空間的數(shù)據(jù)非線性映射到高維特征空間的優(yōu)點(diǎn)。在核模糊C均值聚類的基礎(chǔ)上結(jié)合了多類分類支持向量機(jī)中的一對一方法的思想,按照既定的準(zhǔn)則把訓(xùn)練樣本集中有可能屬于支持向量的