提出了一種新的基于隱藏馬爾可夫（HMM）和支持向量機（SVM）的混合HMM/SVM模型。該模型利用HMM完成語音時間序列建模,計算得到信息輸出概率,輸入SVM中進行學(xué)習(xí),輸出語音分類信息,以完成識別決策。在此模型基礎(chǔ)上,設(shè)計了一種基于并行結(jié)構(gòu)蛙跳搜索算法（PSFL）優(yōu)化SVM參數(shù)的方法以提升噪聲環(huán)境下的語音識別效率。PSFL改進蛙跳搜索算法的循環(huán)主體,能夠在尋優(yōu)過程中維持個體多樣性和提高收斂速度。實驗結(jié)果表明,PSFL具有更優(yōu)的收斂速度和優(yōu)化性能,混合SVM/HMM模型在干凈和噪聲環(huán)境均能夠獲得很好的語音識別效率。 

【文章來源】：控制工程. 2016年11期 北大核心

【文章頁數(shù)】：6 頁

【參考文獻】：
期刊論文
[1]基于在線LS-SVM的逆模/PID復(fù)合控制[J]. 范玉剛,張亞雄,吳建德,黃國勇,王曉東.  控制工程. 2014(06)
[2]認知無線電中的量子蛙跳頻譜分配[J]. 高洪元,曹金龍.  應(yīng)用科學(xué)學(xué)報. 2014(01)
[3]基于語音特征聚類的HMM語音識別系統(tǒng)研究[J]. 姚敏鋒,李心廣,楊佳能.  微計算機信息. 2012(10)
[4]基于HMM的多態(tài)系統(tǒng)狀態(tài)識別模型研究[J]. 黃景德,郝學(xué)良,王明.  測試技術(shù)學(xué)報. 2012(02)
[5]一種基于小生境遺傳算法的SVM參數(shù)優(yōu)化方法[J]. 秦涵書,魏延,曾紹華.  重慶理工大學(xué)學(xué)報(自然科學(xué)). 2011(12)
[6]基于改進KPCA的語音特征提取方法[J]. 張君昌,陳媛媛.  計算機仿真. 2011(06)
[7]改進的HMM和小波神經(jīng)網(wǎng)絡(luò)的抗噪語音識別[J]. 肖勇,覃愛娜.  計算機工程與應(yīng)用. 2010(22)
[8]基于Microsoft Speech SDK的語音關(guān)鍵詞檢出系統(tǒng)的設(shè)計和實現(xiàn)[J]. 林茜,歐建林,蔡駿.  心智與計算. 2007(04)
[9]基于漢語語音音位的HMM建模方法[J]. 何玨,劉加.  清華大學(xué)學(xué)報(自然科學(xué)版). 2007(04)
[10]基于支持向量機的語音情感識別(英文)[J]. 王治平,趙力,鄒采榮.  Journal of Southeast University（English Edition）. 2003(04)



本文編號：2957510