基于支持向量机的民族语口音识别

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (13): 71-73.

基于支持向量机的民族语口音识别

徐翔俊^1,2,毕福昆²,杨鉴²

1.云南警官学院北院，昆明 650223
2.云南大学信息学院信息与电子科学系，昆明 650091

收稿日期:2007-08-30 修回日期:2007-10-29 出版日期:2008-05-01 发布日期:2008-05-01
通讯作者: 徐翔俊

Linguistic minority accents recognition using Support Vector Machine

XU Xiang-jun^1,2,BI Fu-kun²,YANG Jian²

1.Yunnan Police Officer Academy，Kunming 650223，China
2.Department of Information & Electronic Science，Yunnan University，Kunming 650091，China

Received:2007-08-30 Revised:2007-10-29 Online:2008-05-01 Published:2008-05-01
Contact: XU Xiang-jun

摘要/Abstract

摘要： 基于母语分别为傣语、傈僳语、纳西语和汉语普通话的发音人所发汉语普通话语句，利用支持向量机进行民族口音识别研究。实验结果表明，采用对每个语句提取12维MFCC参数、9维基频派生参数和9维短时平均能量派生参数等作为特征参数集及使用高斯径向基函数支持向量机的方法，男、女声的口音识别率均超过93%。

关键词: 口音识别, 支持向量机（SVM）, 高斯径向基函数

Abstract:

In this paper，we use Support Vector Machine with radial basis function to classify the accents of Mandarin Speech which includes the native speakers and non-native speakers from Dai，Lisu and Naxi in Yunnan.In the feature-extraction strategy，we estimate Mel frequency cepstral coefficients，pitch and energy，and calculate their correlative statistical features.Experimental results show that this scheme can achieve an average accuracy of 93%.

Key words: accents recognition, Support Vector Machine（SVM）, Gaussian radial basis function

徐翔俊^1,2,毕福昆²,杨鉴². 基于支持向量机的民族语口音识别[J]. 计算机工程与应用, 2008, 44(13): 71-73.

XU Xiang-jun^1,2,BI Fu-kun²,YANG Jian². Linguistic minority accents recognition using Support Vector Machine[J]. Computer Engineering and Applications, 2008, 44(13): 71-73.

[1]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[2]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[3]	徐先峰，蔡路路，张丽. 融合MLP和DBN的光伏发电预测算法[J]. 计算机工程与应用, 2021, 57(3): 266-272.
[4]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[5]	陈菲雨，岳文斌，饶颖露，邢金昊，马晓静. 基于改进TLD算法的无人机自主精准降落[J]. 计算机工程与应用, 2020, 56(7): 247-254.
[6]	马玲，罗晓曙，蒋品群. 基于模板匹配和支持向量机的点阵字符识别研究[J]. 计算机工程与应用, 2020, 56(4): 134-139.
[7]	张忠林，冯宜邦，赵中恺. 一种基于SVM的非均衡数据集过采样方法[J]. 计算机工程与应用, 2020, 56(23): 220-228.
[8]	黄广俊，邓元龙. 融合改进LBP和SVM的偏光片外观缺陷检测与分类[J]. 计算机工程与应用, 2020, 56(22): 251-255.
[9]	隋修武，牛佳宝，李昊天，乔明敏. 基于NMF-SVM模型的上肢sEMG手势识别方法[J]. 计算机工程与应用, 2020, 56(17): 161-166.
[10]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[11]	晁静静，沈文忠，宋天舒. 基于HOG和SVM的双眼虹膜图像的人眼定位算法[J]. 计算机工程与应用, 2019, 55(9): 184-189.
[12]	甘玲1，杨梦2. 聚合支持向量机分类器的行人检测方法[J]. 计算机工程与应用, 2019, 55(7): 194-198.
[13]	关日钊，陈新度，吴磊，徐焯基. 基于改进的R-FCN带纹理透明塑料裂痕检测[J]. 计算机工程与应用, 2019, 55(6): 168-172.
[14]	李哲，于梦茹. 基于多种LBP特征集成学习的车标识别[J]. 计算机工程与应用, 2019, 55(20): 134-138.
[15]	王燕，郭元凯. 改进的XGBoost模型在股票预测中的应用[J]. 计算机工程与应用, 2019, 55(20): 202-207.