基于改进的最大后验概率矢量量化和最小二乘支持向量机集成算法

摘要：

针对目前说话人识别系统的效率问题,采用集成算法的策略,提出一种新的说话人识别系统框架.首先,考虑到传统的最大后验概率矢量量化(VQ-MAP)算法中只关注平均矢量而不考虑权重的问题,提出了改进的VQ-MAP算法,使用加权平均向量来代替平均向量;然后,由于支持向量机(SVM)算法相对耗时,故采用最小二乘支持向量机(LS-SVM)替代SVM算法;最后,在说话人识别系统中,利用改进的VQ-MAP算法所得参数集作为LS-SVM的训练样本.实验结果表明,基于改进的VQ-MAP和LS-SVM的集成算法,与传统的SVM算法相比,在均使用径向基函数(RBF)核函数时,对40人样本数据建模时间上减少接近40％;在阈值为1,测试语音时长为4s时,与传统的VQ-MAP和SVM算法相比,误识率降低了1.1％,误拒率降低了2.9％,识别率提高了3.9％;在阈值为1,测试语音时长为4s时,与传统的VQ-MAP和LS-SVM算法相比,误识率降低了3.6％,误拒率降低了2.7％,识别率提高了4.4％.结果表明,集成算法能够有效提高算法识别率,明显减少运算时间,同时降低误识率和误拒率.

关键词：最大后验概率、最小二乘支持向量机、权重、平均向量、说话人识别

所属期刊栏目：35

分类号：TN391.4;TP181;TN912.34(半导体技术)

在线出版日期：2015-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2101-2104