本文的创新点与关键点之一:GMM,GMM-UBM,GMM-SVM的理解 大概是从10月20号开始由于项目需要开始接触说话人识别这一研究方向,这一个多月的时间主要是看论文中文英文,尤其是综述文章,当然也试着了解传统方法背后的思路和原理。经过这段时间的学习,有了一点自己的理解,故分享出来加深自己对理解的把握顺便水水文章。本文...
不同于GMM中的高斯分布假设,SVM不在乎数据的分布形状,其宗旨是寻找到一个最佳分类面使得它到两类样本的距离最远。这句话挺起来很拗口,但是符合我们对于分类问题的直观认识。有关SVM模型的推导已经有很多可供参考的资料,这里为了与GMM类的生成模型作对比,我们从概率模型的角度分析SVM模型。
SVM-GMM混合模型通过建立一种新的混合模型--SVM-GMM模型,用以提高说话人辨认的识别率.其中介绍了高斯混合模型(GMM)和支持向量机(SVM)建立的基本原理,指出厂高斯混合模型和支持向量机在实际应用中的不足之处,并针埘这两种模型各自的特点,提出了将GMM模型的输出机制引入到SVM模型中,以便于调整支持向苗机(SVM)模型...
基于GMM和SVM的音频分类算法,随着计算机技术、网络技术和通讯技术的不断发展,图像、视频、音频等多媒体数据已逐渐成为信息处理领域中主要的信息媒体形式,其中音频信息占有重要的地位。br/原始音频数据是一种非语义符号表示和非结构化的二进制流,缺乏内容语义的描述和结构化的组织,给音频信息的深度处理和分析工作带来了...
Speaker Identification Model Based on GMM-SVM 一种GMM-SVM混合说话人辨认模型 3. The Hand Shape Recognition Method Research Based on Gaussian Mixture Model (GMM); 基于高斯混合模型(GMM)的手形识别方法研究 4. Application and Research on SVM and HMM Hybrid Model; ...
摘要 本发明涉及一种融合支持向量机(SVM)和高斯混合模型(GMM)的特定音频事件分层泛化识别方法,属于计算机与音频事件识别技术领域。本方法首先获得训练样本的音频特征向量文件,然后分别使用GMM方法和SVM方法对大量种类繁多的训练样本的音频特征向量文件进行模型训练,得到具有泛化能力的GMM模型和SVM分类器,完成离线训练。最后使...
Gaussian supervector (GMM-SVMALIZE platform3G729 bit-streamRobust regression fusionA novel approach, based on robust regression with normalized score fusion (namely Normalized Scores following Robust Regression Fusion: NSRRF), is proposed for enhancement of speaker recognition over IP networks, which ...
摘要 本发明公开了一种基于SVM‑GMM模型的语音识别方法,包括声音数据模块、GMM分类器模块、SVM分类器模块、投票模块和决策模块。本发明的有益效果是:本发明将高斯混合模型和支撑向量机模型结合起来建立SVM和GMM的混合模型,其混合模型的辨识度优异于独立的GMM模型及独立的SVM模型,采用GMM‑SVM多模型语音识别方法相较...
【摘要】在传统的高斯混合模型-支持向量机(Gaussian Mixture Model-Support Vector Machine,GMM-SVM)说话人辨认系统中,SVM利用从GMM矢量空间中得到的超矢量(Super Vector)直接对说话人进行建模与识别,由于没有考虑到超矢量内各均值矢量之间的关联性,识别性能有限.为此,提出了基于重组超矢量构建文本无关的GMM-SVM说话人...
针对支持向量机(SVM)输入参数不能充分利用高斯混合模型(GMM)均值、方差、权重所携带的说话人信息,而导致与文本无关话者确认系统性能下降的问题,本文结合GMM的均值、方差、权重,提出一种新的、基于自适应后GMM的,SVM模型输入特征提取方法。在NIST 06语音数据库上的实验表明,本方法将等误识率(EER)从高斯混合模型-通...