基于區(qū)分性Model Pushing的語(yǔ)種識(shí)別方法
所屬分類：技術(shù)論文
上傳者：aet
文檔大?。?span>537 K
所需積分：0分積分不夠怎么辦？
文檔介紹： 提出一種區(qū)分性Model Pushing方法，將SVM訓(xùn)練出的支持向量沿最優(yōu)分類面的法線方向進(jìn)行適當(dāng)移動(dòng)，增大不同語(yǔ)種間的區(qū)分性，然后將移動(dòng)后的支持向量反向應(yīng)用于GMM。該方法既保留了SVM的區(qū)分性信息，又利用了GMM在短時(shí)語(yǔ)音上的優(yōu)勢(shì)，同時(shí)增加了目標(biāo)與非目標(biāo)的區(qū)分度。實(shí)驗(yàn)結(jié)果表明，區(qū)分性Model Pushing能有效地提高識(shí)別性能。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。