计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (10): 168-171.DOI: 10.3778/j.issn.1002-8331.2009.10.051
高新建,李弼程,屈 丹
解放军信息工程大学,郑州 450002
GAO Xin-jian,LI Bi-cheng,QU Dan
摘要: 支持向量机(SVM)由于其强大的分类能力,引起人们广泛的重视,并且成功地应用于说话人识别。其中基于GLDS核的SVM系统性能比较优异。引入类内方差归一化(WCCN)方法来处理SVM的输入特征向量,并和GLDS核相结合,提出一种基于类内方差归一化和SVM的说话人识别方法。该方法利用WCCN方法对SVM的输入特征向量进行变换,增强特征向量的类间区分能力,再采用GLDS核函数进行SVM的训练,以提高SVM的分类效果。实验表明,新方法是有效的,其性能优于基于GLDS核的SVM系统。