1 简介
论文提出 了 一种 基 于 ＧＭＭ 和 ＳＶＭ 模型相 结 合的 方法 ， 充分利用 了 ＧＭＭ 模型 的 统 计特性和 ＳＶＭ 模型 的 良 好的 分类能力 ， 在识别 材 比 单独使用 ＧＭＭ 和 ＳＶＭ 模型 取 得 了更好的 结果 。 首先利用 ＧＭＭ 模型 中 的 ＥＭ 算法处理说话人语音信号 特征参数的大 量样本 ， 然 后 从 中 提取 出 能够 很好 的代表说话人个性 的均值参数去 训 练 ＳＶＭ 说话人辨 认模型 。 该方 法不但 解决 了 ＧＭＭ 模 型对小数据 量训 练不 充分的 问 题 ， 还解决了 ＳＶＭ 模型对大规模数据 训 练困 难 的 问 题 。
2 部分代码
function [result] = multisvm(TrainingSet,GroupTrain,testData)
u=unique(GroupTrain);
numClasses=length(u);
result = zeros(length(testData(:,1)),1);
options = optimset('maxiter',2000);%build models
for k=1:numClasses
%Vectorized statement that binarizes Group
%where 1 is the current class and 0 is all other classes
G1vAll=(GroupTrain==u(k));
models(k) = svmtrain(TrainingSet,G1vAll,'quadprog_opts',options);
end
%classify test cases
for j=1:size(testData,1)
for k=1:numClasses
if(svmclassify(models(k),testData(j,:)))
break;
end
end
result(j) = k;
end
3 仿真结果
4 参考文献
[1]段继康, and 白静. "基于MFCC和SVM的多类分类算法在孤立词语音识别系统的研究." (2010).
