一种基于SVM的加权似然比融合算法
DOI:
CSTR:
作者:
作者单位:

1. 华北电力大学
2. 华北电力大学(北京)

作者简介:

江雪峰

通讯作者:

中图分类号:

基金项目:

国家自然科学基金;哈尔滨科学研究基金;华北电力大学博士科研基金


Weighted likelihood ratio fusion algorithm based on SVM
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出一种基于改进竞争模型加权似然比融合的方法来进行关键词的语音确认, 并将误差函数用于SVM对
    加权向量和阈值进行优化. 通过构建两个基线系统, 将不同竞争模型的加权方式的比较和3 种模型的比较作了仿真
    实验. 所得结果显示, 相对于反词模型和常规竞争模型, 加权似然比融合方法得到的似然比对关键词识别的平均错误
    率分别降低了26.53% 和7.78%.

    Abstract:

    An approach of verification of key words the weighted likelihood ratio(LR) fusion based on the revised rivalmodel
    is proposed to be applied to the utterance. Error function is proposed in order to realize the parameter optimization
    based on the SVM. In the experiment stage, two baseline systems are setup. In the first experiment, the different weight
    methods based on the rival model are distinguished. In the second experiment, three different models are compared. The
    experiment result shows that, the LR computed by the weighted likelihood ratio fusion makes a better performance on
    the keyword spotting, which decreases 26.53% and 7.78% comparing to the normal rival-model and classical anti-model
    respectively.

    参考文献
    相似文献
    引证文献
引用本文

魏振华, 江雪峰.一种基于SVM的加权似然比融合算法[J].控制与决策,2011,26(5):777-780

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-03-09
  • 最后修改日期:2010-06-16
  • 录用日期:
  • 在线发布日期: 2011-05-20
  • 出版日期:
文章二维码