基于Adaboost算法的汉语儿向语音检测

摘要：

儿向语音对早期儿童成长有较大影响,正确检测并充分利用儿向语音具有现实意义.为此,构建一种基于Adaboost算法的汉语儿向语音检测模型,以提高检测准确率.使用决策树作为弱分类器对提取的汉语儿向语音特征进行学习,并组成弱分类器元组,同时对该弱分类器组的分类结果进行加权,区分待测语音的类别.实验结果表明,汉语儿向语音的元音持续时长超过非儿向语音的元音持续时长;提升弱分类器的数量可提高汉语儿向语音检测正确率;分段语音时间越长,汉语儿向语音检测正确率越高;采用改进的Adaboost算法比采用v-SVM算法具有更高的准确率和精度,同时可增强系统的鲁棒性.

关键词：儿向语音、语音检测、特征提取、Adaboost算法、决策树

所属期刊栏目：43

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金面上项目61173106

在线出版日期：2017-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：286-289,293