期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于SDC特征和GMM-UBM模型的自动语种识别 被引量：14
1
作者 姜洪臣 郑榕 +1 位作者 张树武 徐波 《中文信息学报》 CSCD 北大核心 2007年第1期49-53,共5页
本文提出了一种基于SDC特征和GMM-UBM模型的自动语种识别方法。SDC特征由许多语音帧的一阶差分谱连接扩展而成,与传统的MFCC特征相比,包含了更多的时序特征信息。UBM模型反映了所有待识别语种的特征分布特性,借助贝叶斯自适应算法可以... 本文提出了一种基于SDC特征和GMM-UBM模型的自动语种识别方法。SDC特征由许多语音帧的一阶差分谱连接扩展而成,与传统的MFCC特征相比,包含了更多的时序特征信息。UBM模型反映了所有待识别语种的特征分布特性,借助贝叶斯自适应算法可以快速得到每个语种的模型。与传统的GMM方法相比,该方法的训练和识别的速度更快。该方法对OGI电话语音库中11个语种进行了测试,其10秒、30秒和45秒句子的最佳识别正确率分别为72.38%、82.62%和85.23%,识别速度约为0.03倍实时。 展开更多
关键词 计算机应用 中文信息处理 SDC特征 GMM-UBM模型 贝叶斯自适应 自动语种识别
下载PDF
基于Unicode编码和特征向量的语种自动识别方法
2
作者 李甲一 《软件》 2024年第1期174-176,共3页
本文提出了一种结合特征向量和Unicode区块的语言自动识别方法。相较于传统基于统计的方法,该方法更加直观、计算量较小,并能处理更广泛的语种。
关键词 自动语种识别 Unicode区块 特征向量
下载PDF
因子分析在基于GMM的自动语种识别中的应用 被引量：4
3
作者 付强 宋彦 戴礼荣 《中文信息学报》 CSCD 北大核心 2009年第4期77-81,共5页
在自动语种识别中,测试语音中说话人和信道的差异,会对系统性能产生很大的影响。针对于此,该文通过引入因子分析技术,根据语种识别的特点,建立了描述该差异(说话人差异和信道差异)的子空间的数学模型,并分别从特征域和模型域两个方面尝... 在自动语种识别中,测试语音中说话人和信道的差异,会对系统性能产生很大的影响。针对于此,该文通过引入因子分析技术,根据语种识别的特点,建立了描述该差异(说话人差异和信道差异)的子空间的数学模型,并分别从特征域和模型域两个方面尝试消除该差异的影响。在最新的NIST LRE2007的测试任务中,相对于GMM-UBM基线系统,该文方法有效地提高了系统识别性能。在30s时长的测试中,等错误率(EER)相对降低36.5%。 展开更多
关键词 计算机应用 中文信息处理 自动语种识别 高斯混合模型 因子分析
下载PDF
基于音素识别的语种辨识方法中的因子分析 被引量：1
4
作者 仲海兵 宋彦 戴礼荣 《模式识别与人工智能》 EI CSCD 北大核心 2012年第1期105-110,共6页
在基于音素识别的语种辨识系统中,特定的一段语音,音素识别的结果会受到说话人和信道等干扰因素的影响.对此,文中基于音素搭配关系对每段语音构建相应的特征向量表示.在向量空间中,利用因子分析建立噪声子空间的数学描述模型,并在语言... 在基于音素识别的语种辨识系统中,特定的一段语音,音素识别的结果会受到说话人和信道等干扰因素的影响.对此,文中基于音素搭配关系对每段语音构建相应的特征向量表示.在向量空间中,利用因子分析建立噪声子空间的数学描述模型,并在语言模型的训练和识别过程加以消除.在NISTLRE2007的测试任务中,相对于基于音素识别的语种辨识基线系统,该方法可有效提高系统性能.在30s时长测试中,基于音素识别的语言模型和基于音素识别的支持向量机模型的等错误率分别相对降低14.4%和12.9%. 展开更多
关键词 自动语种识别 因子分析 音素识别器
原文传递
基于KNN-SVM的自动语种识别
5
作者 张凡 贺苏宁 《电信技术研究》 2004年第3期15-19,共5页
将支持向量机(SVM)引入自动语种识别领域，并在其基础上提出一种改进的SVM——K-近邻支持向量机(KNN-SVM)：先利用KNN对训练集进行筛选，对每个样本求得它的K近邻，由目标样本与它的K近邻的类标的异同，决定其取舍，然后再用SVM来训练... 将支持向量机(SVM)引入自动语种识别领域，并在其基础上提出一种改进的SVM——K-近邻支持向量机(KNN-SVM)：先利用KNN对训练集进行筛选，对每个样本求得它的K近邻，由目标样本与它的K近邻的类标的异同，决定其取舍，然后再用SVM来训练分类器。该方法有助于降低噪声干扰及不同语言的语音特征相互混杂的影响，简化SVM的决策面，尽量避免SVM发生过匹配。利用OGI-TS数据库对新算法的性能进行了测试。实验结果表明，该算法相对于传统语种识别方法和SVM算法，在分类正确率、分类速度上表现出了一定的优越性并且适用于大规模样本集的训练。 展开更多
关键词 支持向量机 K-近邻 自动语种识别 线性预测倒谱系数
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部