svm - 如何使用 mfcc 功能训练 svm 分类器进行语音识别？

Question

我目前正处于语音识别的讨论阶段项目，我使用MFCC特征提取，但是从函数返回的MFCC特征是一个矩阵，例如每个语音文件(wav)的(20,38)特征矩阵。但是我如何将此功能传递给 SVM 分类器。对于 SVM(和其他分类器)，每个样本都由一个向量表示，对吗？但每个样本的 MFCC 特征是一个矩阵。假设 Xi 是样本 i 的 MFCC 特征，则样本 i 传递给 SVM 的特征为:1)一个20*38的向量，例如Xi(:) 的 matlab 形式。2)平均值(Xi)。3) Xi 中的一列或一行。哪种方式是正确的？有什么有用的代码、论文吗？

谢谢!闪耀

Answer 1

对于语音识别等序列标记任务，您需要结合使用 SVM 和 HMM，而不仅仅是 SVM

1. 用GMM-HMM将特征矩阵与状态对齐，得到每个HMM状态对应的特征
2. 根据属于每个状态的特征训练 SVM
3. 实现 SVM-HMM 而不是 GMM-HMM

要了解更多信息，请阅读

http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.27.442

为了加快速度，请使用现有的工具包，例如:

http://www.cs.cornell.edu/people/tj/svm_light/svm_hmm.html