%0 Journal Article
%T 多特征和SVM改进的语音关键词识别系统
%A 张翠芳
%A 陈太波
%J 中山大学学报（自然科学版）
%D 2019
%X 摘要 本文在HMM/Filler模型的基础上,通过对汉语的408个音节建立支持向量机SVM分类器提升了HMM系统的识别率,这408个SVM音节分类器有助于全面支持关键词的动态设定.针对SVM分类器训练数据的定长要求,本文通过对关键词特征帧进行等长化处理,使得对音节分类的SVM分类器得以训练.进一步,为了调节系统的融合性,本文提出概率融合公式,即通过设定融合参数λ来调整SVM分类器对HMM/Filler的作用程度.实验结果表明,当融合参数λ=0.3时,SVM与HMM/Filler融合的关键词识别系统效果最佳,此时融合系统相对于HMM/Filler基线系统识别率有着6.74%的提升,多特征训练的融合系统相对于单特征训练的HMM/Filler基线系统识别率提升近10%
%K 关键词识别
%K 隐马尔可夫模型HMM
%K HMM/Filler模型
%K 支持向量机SVM
%U http://xwxt.sict.ac.cn/CN/abstract/abstract5166.shtml