一種新的說(shuō)話(huà)人識(shí)別系統(tǒng)框架

　　針對(duì)目前說(shuō)話(huà)人識(shí)別系統(tǒng)的效率問(wèn)題，采用集成算法的策略，提出一種新的說(shuō)話(huà)人識(shí)別系統(tǒng)框架。首先，考慮到傳統(tǒng)的最大后驗(yàn)概率矢量量化（ VQ-MAP）算法中只關(guān)注平均矢量而不考慮權(quán)重的問(wèn)題，提出了改進(jìn)的VQ-MAP算法，使用加權(quán)平均向量來(lái)代替平均向量；然后，由于支持向量機(jī)（SVM）算法相對(duì)耗時(shí)，故采用最小二乘支持向量機(jī)（ LS-SVM）替代SVM算法；最后，在說(shuō)話(huà)人識(shí)別系統(tǒng)中，利用改進(jìn)的VQ-MAP算法所得參數(shù)集作為L(zhǎng)S-SVM的訓(xùn)練樣本。實(shí)驗(yàn)結(jié)果表明，基于改進(jìn)的VQ-MAP和LS-SVM的集成算法，與傳統(tǒng)的SVM算法相比，在均使用徑向基函數(shù)（ RBF）核函數(shù)時(shí)，對(duì)40人樣本數(shù)據(jù)建模時(shí)間上減少接近40%；在閾值為1，測(cè)試語(yǔ)音時(shí)長(zhǎng)為4s時(shí)，與傳統(tǒng)的VQ-MAP和SVM算法相比，誤識(shí)率降低了1.1%，誤拒率降低了2.9%，識(shí)別率提高了3.9%；在閾值為1，測(cè)試語(yǔ)音時(shí)長(zhǎng)為4s時(shí)，與傳統(tǒng)的VQ-MAP和LS-SVM算法相比，誤識(shí)率降低了3.6%，誤拒率降低了2.7%，識(shí)別率提高了4.4%。結(jié)果表明，集成算法能夠有效提高算法識(shí)別率，明顯減少運(yùn)算時(shí)間，同時(shí)降低誤識(shí)率和誤拒率。