語音識(shí)別系統(tǒng)中特征選擇及多分類器融合技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩55頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、語音識(shí)別技術(shù)就是為了實(shí)現(xiàn)讓計(jì)算機(jī)聽得懂人說的話,并能做出相應(yīng)的回饋,語音識(shí)別是實(shí)現(xiàn)人機(jī)交互最重要的一步。語音識(shí)別系統(tǒng)通常分為預(yù)處理、特征提取、分類器的設(shè)計(jì)、模板匹配四個(gè)步驟。通過預(yù)處理得到更清晰的語音信息,提取能夠反映語音本質(zhì)的特征以及設(shè)計(jì)精度更高的分類器,都對(duì)語音識(shí)別的性能具有重要影響。
   本文針對(duì)非特定人孤立詞的語音識(shí)別系統(tǒng),分別從語音特征選擇與多分類器融合的角度對(duì)語音識(shí)別技術(shù)進(jìn)行研究,并取得了以下成果:
  

2、(1)基于粗糙集理論的屬性約簡算法對(duì)語音特征進(jìn)行研究,提出了一種基于粗糙集理論的語音特征選擇方法,并通過特征選擇得到了一組語音特征。實(shí)驗(yàn)結(jié)果表明,這種語音特征選擇方法有效地降低了特征的維數(shù),使用選取到的語音特征,可以得到較好的識(shí)別效果,從而驗(yàn)證了此特征選擇方法的有效性。
   (2)提出一種基于多分類器融合的語音識(shí)別方法,該方法使用SVM,RBF神經(jīng)網(wǎng)絡(luò)與貝葉斯網(wǎng)絡(luò)作為成員分類器,根據(jù)樣本庫中抽取的校驗(yàn)集計(jì)算各成員分類器的權(quán)值,

3、以加權(quán)評(píng)分的投票策略進(jìn)行決策融合。實(shí)驗(yàn)結(jié)果表明,通過多分類器融合的識(shí)別結(jié)果明顯優(yōu)于單個(gè)分類器,從而驗(yàn)證提出的多分類器加權(quán)融合的方法是一種有效的語音識(shí)別方法。
   (3)設(shè)計(jì)了一個(gè)非特定人孤立詞的語音識(shí)別實(shí)驗(yàn)系統(tǒng)。該系統(tǒng)具有語音樣本采集、預(yù)處理、特征提取與組合、模型訓(xùn)練、語音識(shí)別的功能。即將采集到的語音信息進(jìn)行后臺(tái)處理,最終得到一組特征向量,并導(dǎo)入分類器中與訓(xùn)練模型進(jìn)行比對(duì),最終得到識(shí)別結(jié)果。而對(duì)樣本庫的訓(xùn)練樣本事先進(jìn)行離線處理

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論