多類分類支持向量機在嵌入式語音識別系統(tǒng)中的研究.pdf

1、語音識別作為一門交叉學科，在人類智能化和信息化的道路上有著不可忽視的作用。近些年，嵌入式已經成為了信息領域的研究熱點。在嵌入式系統(tǒng)中應用語音識別技術成為了語音識別發(fā)展的新方向。
　　 語音識別技術的關鍵是解決多類分類問題，基于統(tǒng)計學習理論的支持向量機方法因為其在解決分類問題上面的獨特優(yōu)勢，已經成為了語音識別領域的研究熱點。支持向量機方法來源于統(tǒng)計學習理論，克服了傳統(tǒng)語音識別方法(人工神經網(wǎng)絡、隱馬爾科夫模型)的不足，在有限樣本多

2、類分類問題中得到了廣泛的應用。支持向量機方法本來是解決二分類問題的，研究者在其基礎上推廣出了多種多類分類的方法，一對余組合分類法、一對一組合分類法、決策有向無環(huán)圖組合分類法、糾錯輸出編碼多類分類、超球多類分類等方法。
　　 本文采用DM6446開發(fā)板作為嵌入式語音開發(fā)平臺，其軟硬件性能完全能滿足語音識別技術的嵌入式開發(fā)。針對決策有向無環(huán)圖支持向量機算法和糾錯輸出編碼支持向量機算法，搭建嵌入式交叉編譯平臺。在搭建好的平臺上，將兩種

3、支持向量機算法移植到DM6AA6開發(fā)板。兩種多類分類支持向量機算法分別經過兩種不同的語音庫進行語音識別實驗，均得到了較高的識別率。但由于嵌入式系統(tǒng)自己的局限性，算法所需的訓練時間較長，通過樣本預選取算法處理訓練樣本后再進行語音識別實驗，在保證良好識別率的情況下，極大地縮短了訓練所需時間，達到了預期的效果。
　　 基于Java語言的超球支持向量機算法是多類分類方法的一個新思路。在Java程序設計中，Java虛擬機處于核心地位，正是