支持向量机在多语种电话语音识别中的应用

摘要

本文提出一种改进的支持向量机(SVM)——结果模糊化的支持向量机(PFSVM)并与one-against-one结合构造新的多分类器进行多语种识别.我们利用OGI-TS语料库提供的中文、英文、日文三种语言各约70人的话音数据进行性能分析.实验中在相同训练数据下分别建立one-against-one RFSVM、oen-against-one SVM和高斯混合模型(GMM),结果表明对于10秒和30秒长的测试语音,RFSVM比GMM分别提高了18﹪和16﹪的识别准确率,比SVM分别提高了7﹪和5﹪的准确率,并且训练时间性比GMM减少了约2/3.