是当前机器学习、模式识别和数据挖掘等领域的重要学习方法, 是一种基于小样本的学习工具, 其基本原理是在两类分类样本之间找到一个线性的分类面把两类样本分开, 并且使两类之间的分类间隔最大。但实际应用中的分类数据几乎都无法用一个线性的分类面把它们分开, 需要通过一个变换把数据从一个空间映射到另一个高维的空间, 在这个高维的空间中数据是线性可分的。变换是使用一个映射函数实现, 这个映射函数被称为核函数。核函数的构造是研究和应用支持向量机的关键问题。说话人识别是根据说话人所发的语音来确定说话人的过程, 需要从说话人的声音中找出说话人之间的个性差异的特征参数。对核函数系统进行系统研究, 通过调研和研究核函数的算法领域, 最后通过系统多项式核函数的算法研究来提高向量机的说话人识别系统的能力。针对这一问题, 具体地, 分析了一般核函数存在的现象, 然后证明理论构造的核函数的性质, 并通过数据集和对比实验, 验证了核函数的性能从而实现核函数参数的优选。并通过于此撰写论文。 4、时间安排 1~6 周:资料调研 6~9 周:将调研资料进行归类整合 9~15 周:论文撰写、毕业答辩 5、完成设计(论文)所具备的条件因素主要参考资料: [1] 韩纪庆,张磊,郑铁然.语音信号处理[M]. 第1版.清华大学出版社 2004.9. [2] 苏金明,王永利 MATLAB 7.0 使用指南[M]. 电子工业出版社 2005.7. [3]Simon Haykin 著,叶世伟,史忠植译. 神经网络原理[M]. 机械工业出版社 2004.1. 指导教师签名: 日期: 2011.4.3 1 、课题来源:课题来源分为结合实际课题和自拟课题两种,结合实际课题中来源于科研课题的要填写确切基金项目、企事业单位项目,不能写横向、纵向课题等。 2、课题类型:A—工程设计;B—科学实验;C—软件开发;D—理论研究;E—应用研究。
全文预览
