- 年份
- 2013（1）
- 2012（3）
- 2011（1）
- 2010（1）
- 2009（1）
- 2008（2）
- 2007（1）
- 更多...
- 核心收录
- 中国科技论文与引文数据库(CSTPCD)（9）
- 中国科学引文数据库(CSCD)（7）
- 北京大学中文核心期刊目录(北大核心)（4）
- 刊名
- 计算机工程与应用（6）
- 东南大学学报（自然科学版）（1）
- 计算技术与自动化（1）
- 计算机与数字工程（1）
- 计算机技术与发展（1）
- 更多...
- 作者单位
- 湖南师范大学（3）
- 清华大学（2）
- 江南大学（1）
- 江苏师范大学（1）
- 更多...
- 语种
- 汉语（10）
- 关键词
- 方言辨识（10）
- 支持向量机（2）
- 高斯混合模型（2）
- AdaBoost（1）
- AdaBoost算法（1）
- Bagging（1）
- DD+Hang-over算法（1）
- Mel频率倒谱系数（1）
- SOM 神经网络（1）
- 动态时间规整（1）
- 更多...
- 作者
- 顾明亮（6）
- 夏玉果（4）
- 钱盛友（3）
- 张长水（2）
- 赵新民（2）
- 于凤芹（1）
- 何艳（1）
- 周杰（1）
- 张宁（1）
- 张彪（1）
- 更多...
相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 10 条结果
- 基于动态时间规整和神经网络的方言辨识研究北大核心CSCDCSTPCD
- 基于聚类支持矢量机的汉语方言辨识
- 汉语方言的集成决策辨识CSTPCD
- 一种静态特征与动态特征结合的方言辨识方法CSCDCSTPCD
- 半监督矢量量化的汉语方言辨识CSCDCSTPCD
- 基于混合特征参数和BP_Adaboost的方言辨识CSCDCSTPCD摘要：着眼于非特定人孤立词湖南地区的方言辨识,提出一种将BP神经网络和Adaboost算法相结合的辨识模型.为反映方言的动态特性及其声道特性,采用LPCC、MFCC和各自一阶差分系数相组合作为方言特征系数.利用多个BP神经网络作为弱分类器对方言进行初步辨识,借助Adaboost迭代算法将这些弱分类器组合起来构成强分类器,得出最终辨识结果.实验证明,该混合模型较单纯的BP神经网络具有更强的噪声鲁棒性和较高的识别率.
- 语音活动检测对方言辨识系统的影响研究CSTPCD摘要： 分别把基于阈值判断和基于统计模型的语音活动检测(VAD)应用于汉语方言辨识系统中，对比了系统识别率及运算时间。其中基于能量、过零率等阈值判断的方法以其算法简单、计算量少的优点在高信噪比噪声环境下取得较好的效果，但在低信噪比噪声环境下准确性及鲁棒性急剧下降。在相同测试环境下，采用统计模型的DD+Hang-over算法取代传统经典阈值算法。实验表明，基于统计模型的算法在高斯混合模型(GMM)系统下运算时间稍长，但抗噪声性能明显优越于基…查看全部>>
- 基于AdaBoost的汉语方言辨识北大核心CSCDCSTPCD摘要：为了在训练样本受限的情况下,提高汉语方言辨识的效果,提出了一种基于AdaBoost的汉语方言辨识新方法.该方法将GMM与语言模型组成的辨识系统看成一组弱分类器,然后对这组弱分类器所得的分类结果进行加权投票,最终决定汉语方言测试语音的所属类别.实验结果表明:增加GMM或弱分类器的个数,可以有效提高系统的辨识效果;测试语音越长,系统辨识效果越好;当训练样本有限的情况下,采用AdBoost方法比采用ANN方法具有更高的辨识率.
- 基于支撑矢量机的汉语方言辨识北大核心CSCDCSTPCD摘要：统计学习理论证明,支撑矢量机是具有高分类能力和高推广性能的优秀分类器.但由于语音的动态时间属性,它很难直接应用到汉语方言辨识领域.论文利用高斯混合模型和语言模型提取等维的全局语言特征,成功解决了支撑矢量机难于直接处理动态时间模式的困难,有效地增强了系统的分类能力.实验结果表明,支撑矢量机方法可以比直接用语言模型进行分类决策提高近20%的正确辨识率,比人工神经网络方法也可提高4%的正确辨识率.
- 基于SOM神经网络和支持向量机的方言辨识北大核心CSCDCSTPCD
1