摘要：本文在HMM/Filler模型的基礎上,通過對漢語的408個音節建立支持向量機SVM分類器提升了HMM系統的識別率,這408個SVM音節分類器有助于全面支持關鍵詞的動態設定.針對SVM分類器訓練數據的定長要求,本文通過對關鍵詞特征幀進行等長化處理,使得對音節分類的SVM分類器得以訓練.進一步,為了調節系統的融合性,本文提出概率融合公式,即通過設定融合參數λ來調整SVM分類器對HMM/Filler的作用程度.實驗結果表明,當融合參數λ=0.3時,SVM與HMM/Filler融合的關鍵詞識別系統效果最佳,此時融合系統相對于HMM/Filler基線系統識別率有著6.74%的提升,多特征訓練的融合系統相對于單特征訓練的HMM/Filler基線系統識別率提升近10%.
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
