×
Lung，Shung-Yung先生

基于小波特征选择的多层神经网络使用监督学习算法进行高效的文本无关说话人识别。 （英语） Zbl 1129.68488号

模式识别 40，第12期，3616-3620（2007）.
摘要：描述了一种基于多层神经网络的说话人识别小波包特征选择方法。多层神经网络的概念不使用梯度方法。首先，每个隐藏单元的输出由误差反向传播方法代数确定。然后，使用指数加权最小二乘法确定权重参数。我们的结果表明，在识别率方面，这种特征选择比其他方法具有更好的性能。

引用于1文件

MSC公司：

68吨10 模式识别、语音识别
68T05型 人工智能中的学习和自适应系统
68周05 非数值算法

关键词：

说话人识别;小波特征选择;神经网络
PDF格式BibTeX公司 XML格式引用
\textit{S.-Y.Lung}，模式识别40，No.12，3616-3620（2007；Zbl 1129.68488）
全文： 内政部

参考文献：

[1] Lung，S.-Y.，从小波特征函数估计中提取特征用于文本无关说话人识别，模式识别。，37, 1543-1544 (2004) ·Zbl 1070.68593号
[2] Z.Tufekci，J.N.Gowdy，使用离散小波变换进行语音识别的特征提取，IEEE Southeastcon 2000年会议记录，美国，2000年，第116-123页。；Z.Tufekci，J.N.Gowdy，使用离散小波变换进行语音识别的特征提取，IEEE Southeastcon 2000年会议记录，美国，2000年，第116-123页。
[3] Lung，S.-Y.，将多小波特征应用于文本无关说话人识别，IEICE Trans。芬达姆。，E87-A，4，944-945（2004）
[4] Nathan，K.S。；Silverman，H.F.，清音停止辅音的时间变化特征选择和分类，IEEE Trans。语音音频处理。，2, 395-405 (1994)
[5] Hyeon，J。；Bang，S.Y.，使用成对类判别测度和覆盖概念进行多类分类的特征选择，电子。莱特。，36, 524-525 (2000)
[6] 海达尔，A。；德米雷克勒，M。；Yurtseven，M.K.，通过使用遗传算法选择的特征识别说话人，Electron。莱特。，34, 39-40 (1998)
[7] C.-T.Chen，S.-Y.Lung，C.-F.Yang，M.-C.Lee，基于80/20遗传算法的说话人识别，摘自：IASTED信号处理、模式识别和应用国际会议，希腊，2002年6月，第547-549页。；C.-T.Chen，S.-Y.Lung，C.-F.Yang，M.-C.Lee，基于80/20遗传算法的说话人识别，摘自：IASTED信号处理、模式识别和应用国际会议，希腊，2002年6月，第547-549页。
[8] Lung，S.-Y.，使用模糊方法进行文本无关说话人识别的小波特征选择，IEICE Trans。芬达姆。，E88-A，3779-781（2005）
[9] Lung，S.-Y.，基于小波特征选择的神经网络及其在文本无关说话人识别中的应用，模式识别。，391518-1521（2006年）·Zbl 1094.68626号
[10] Ng、S.-C。；Cheung，C.-C。；Leung，S.-H.，自适应学习中具有确定权重修改的放大梯度函数，IEEE Trans。神经网络，151411-1423（2004）
[11] Miyajima，C。；服部，Y。；德田，K。；Masuko，T。；小林，T。；Kitamura，T.，基于多空间概率分布的高斯混合模型文本相关说话人识别，IEICE Trans。信息系统。，E84-D、7847-855（2001）
[12] 雷诺兹，D.A。；Rose，R.C.，使用高斯混合说话人模型的鲁棒文本相关说话人识别，IEEE Trans。语音音频处理。，3, 1, 72-83 (1995)
[13] R.A.Gopinath，用于分类的高斯分布最大似然建模，摘自：IEEE声学、语音和信号处理国际会议论文集，1998年，第661-664页。；R.A.Gopinath，用于分类的高斯分布最大似然建模，收录于：IEEE声学、语音和信号处理国际会议论文集，1998年，第661-664页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。