基于KL散度的支持向量机方法及应用研究

作     者：屈微 刘贺平 张海军 QU Wei;LIU He-ping;ZHANG Hai-jun

作者机构：北京科技大学信息工程学院北京100083 

出 版 物：《信息与控制》 (Information and Control)

年 卷 期：2005年第34卷第5期

页      码：627-630页

摘      要：针对ICA提取的说话人语音特征,导出以库尔贝克—莱布勒(KL)散度作为距离测度的KL核函数用来设计支持向量机,实现了一个高分辨率的ICA/SVM说话人确认系统.说话人确认的仿真实验结果表明,使用ICA特征基函数系数比直接使用语音数据训练SVM得到的分类间隔大,支持向量少,而且使用KL核函数的ICA/SVM系统确认的等差率也低于其它传统SVM方法,证明了基于KL散度的支持向量机方法在实现分类和判决上具有高效性能.*

主 题 词：支持向量机(SVM) 独立分量分析(ICA) KL核函数 说话人确认 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.1002-0411.2005.05.022

馆 藏 号：203624292...