基于區(qū)分性Model Pushing的語種識別方法
所屬分類：技術論文
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訓練出的支持向量沿最優(yōu)分類面的法線方向進行適當移動，增大不同語種間的區(qū)分性，然后將移動后的支持向量反向應用于GMM。該方法既保留了SVM的區(qū)分性信息，又利用了GMM在短時語音上的優(yōu)勢，同時增加了目標與非目標的區(qū)分度。實驗結果表明，區(qū)分性Model Pushing能有效地提高識別性能。
現在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。