支持向量機(jī)核函數(shù)研究及其在語(yǔ)音識(shí)別中的應(yīng)用.pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展，人工智能領(lǐng)域成為研究的熱點(diǎn)，具有廣闊的發(fā)展前景。語(yǔ)音識(shí)別技術(shù)是人工智能的前沿技術(shù)之一，目的是使計(jì)算機(jī)能夠聽(tīng)懂人類語(yǔ)言，實(shí)現(xiàn)人機(jī)語(yǔ)音通信，使計(jì)算機(jī)操作更加自然、方便。
　　 支持向量機(jī)是一種新興的模式識(shí)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(diǎn)等實(shí)際問(wèn)題，比隱馬爾可夫模型、人工神經(jīng)網(wǎng)絡(luò)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(yǔ)音識(shí)別。
　　 支持向量機(jī)的顯著特點(diǎn)是通過(guò)引入核函

2、數(shù)技術(shù)，把低維空間的輸入數(shù)據(jù)通過(guò)非線性變換映射到高維特征空間。描述支持向量機(jī)僅需要確定的核函數(shù)和訓(xùn)練集即可。支持向量機(jī)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(guān)重要的作用。
　　 本文首先通過(guò)理論和實(shí)驗(yàn)分析，研究了不同核函數(shù)以及不同核參數(shù)對(duì)語(yǔ)音識(shí)別結(jié)果的影響。確定了Gaussian核函數(shù)在語(yǔ)音識(shí)別系統(tǒng)中能夠獲得最佳識(shí)別結(jié)果，并且對(duì)Gaussian核的參數(shù)以及支持向量機(jī)的懲罰參數(shù)進(jìn)行了實(shí)驗(yàn)選取。然后在對(duì)Gaussi

3、an核特性進(jìn)行分析的基礎(chǔ)上，在語(yǔ)音識(shí)別系統(tǒng)中分別應(yīng)用了兩種Gaussian核的改進(jìn)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(hào)的多分辨分析，這使經(jīng)過(guò)小波變換后的信號(hào)分量間的相關(guān)性降低，且其自相關(guān)矩陣呈現(xiàn)特殊的稀疏帶狀分布。本文將小波技術(shù)與支持向量機(jī)核函數(shù)結(jié)合，構(gòu)造了Morlet小波核函數(shù)和Mexico小波核函數(shù)，并應(yīng)用于語(yǔ)音識(shí)別系統(tǒng)中。
　　 實(shí)驗(yàn)結(jié)果表明，UKF核函數(shù)、修正的Gauss