基于改进的最大后验概率矢量量化和最小二乘支持向量机集成算法

？针对目前说话人识别系统的效率问题,采用集成算法的策略,提出一种新的说话人识别系统框架。首先,考虑到传统的最大后验概率矢量量化(vq-map)算法中只关注平均矢量而不考虑权重的问题,提出了改进的vq-map算法,使用加权平均向量来代替平均向量;然后,由于支持向量机(svm)算法相对耗时,故采用最小二乘支持向量机(ls-svm)替代svm算法;最后,在说话人识别系统中,利用改进的vq-map算法所得参数集作为ls-svm的训练样本。实验结果表明,基于改进的vq-map和ls-svm的集成算法,与传统的svm算法相比,在均使用径向基函数(rbf)核函数时,对40人样本数据建模时间上减少接近40%;在阈值为1,测试语音时长为4s时,与传统的vq-map和svm算法相比,误识率降低了1.1%,误拒率降低了2.9%,识别率提高了3.9%;在阈值为1,测试语音时长为4s时,与传统的vq-map和ls-svm算法相比,误识率降低了3.6%,误拒率降低了2.7%,识别率提高了4.4%。结果表明,集成算法能够有效提高算法识别率,明显减少运算时间,同时降低误识率和误拒率。