支持向量機核函數(shù)研究及其在語音識別中的應用.pdf

1、隨著計算機技術的發(fā)展，人工智能領域成為研究的熱點，具有廣闊的發(fā)展前景。語音識別技術是人工智能的前沿技術之一，目的是使計算機能夠聽懂人類語言，實現(xiàn)人機語音通信，使計算機操作更加自然、方便。
　　 支持向量機是一種新興的模式識別方法，可以較理想地解決小樣本、非線性、高維數(shù)和局部極小點等實際問題，比隱馬爾可夫模型、人工神經(jīng)網(wǎng)絡等方法具有更好的泛化能力和分類精確性，非常適合用于語音識別。
　　 支持向量機的顯著特點是通過引入核函

2、數(shù)技術，把低維空間的輸入數(shù)據(jù)通過非線性變換映射到高維特征空間。描述支持向量機僅需要確定的核函數(shù)和訓練集即可。支持向量機分類器性能的質(zhì)量高低，核函數(shù)的選擇以及核參數(shù)的取值起著至關重要的作用。
　　 本文首先通過理論和實驗分析，研究了不同核函數(shù)以及不同核參數(shù)對語音識別結(jié)果的影響。確定了Gaussian核函數(shù)在語音識別系統(tǒng)中能夠獲得最佳識別結(jié)果，并且對Gaussian核的參數(shù)以及支持向量機的懲罰參數(shù)進行了實驗選取。然后在對Gaussi

3、an核特性進行分析的基礎上，在語音識別系統(tǒng)中分別應用了兩種Gaussian核的改進形式：UKF核函數(shù)和修正的Gaussian核函數(shù)。
　　 小波變換可以建立信號的多分辨分析，這使經(jīng)過小波變換后的信號分量間的相關性降低，且其自相關矩陣呈現(xiàn)特殊的稀疏帶狀分布。本文將小波技術與支持向量機核函數(shù)結(jié)合，構造了Morlet小波核函數(shù)和Mexico小波核函數(shù)，并應用于語音識別系統(tǒng)中。
　　 實驗結(jié)果表明，UKF核函數(shù)、修正的Gauss