基于隐马尔科夫模型集成学习的广播关键词检测

论文摘要

由于无线电技术的日益成熟,盗用正常广播频段进行其他活动的非法广播对国民经济和安全造成相当大的危害,因此对非法广播的监测非常重要。本文集成隐马尔科夫模型对广播关键词进行识别,进而监测非法广播。在试验中,首先对采集的非法广播进行人工切割与标定用于训练,然后研究基于集成学习的方法组合多个模型,使用投票规则得到最终结果。将集成学习的PocketSphinx系统与单一模型进行比较,试验结果显示,与单一模型84.8%的识别率相比,集成的PocketSphinx系统识别率达到92%,并且具有更好的稳定性。

论文目录

• 1 相关背景工作
•   1.1 SCHMM模型
•   1.2 PocketSphinx
•   1.3 集成学习
• 2 试验数据与方法
•   2.1 试验数据
•   2.2 试验方法
• 3 试验结果
•   3.1 单一模型
•   3.2 多个模型
• 4 讨论
•   4.1 集成学习对识别率的提高
•   4.2 集成模型数量的影响
•     4.2.1 集成模型数量对识别率的影响。
•     4.2.2 集成模型数量对识别稳定性的影响。
• 5 结语

文章来源

类型: 期刊论文

作者: 杜淼,黄天淏,边彤,颜逸为,余勤,雒瑞森

关键词: 识别,隐马尔科夫模型,集成学习

来源: 河南科技 2019年35期

年度: 2019

分类: 基础科学,信息科技

专业: 数学,电信技术

单位: 四川大学电气工程学院,桂林电子科技大学电子工程与自动化学院

基金: 校企合作项目（17H1199）,校企合作项目（19H0355）

分类号: O211.62;TN931

页码: 8-11

总页数: 4

文件大小: 2308K

下载量: 80