用于自动语音识别的基于 Fisher 比率技术的特征选择
计算与语言
2015-05-14 v1
摘要
自动语音识别（Automatic Speech Recognition）主要包括两个步骤：特征提取与分类。梅尔频率倒谱系数（Mel Frequency Cepstral Coefficient, MFCC）被用作 ASR 中一种重要的特征提取技术。通常，全部 12 个 MFCC 系数组成的集合被用作分类步骤中的特征向量。但问题是，使用 12 个 MFCC 的子集作为特征向量能否达到相同或更高的分类准确率。本文使用 Fisher 比率技术来选择 12 个 MFCC 系数中对模式判别贡献更大的子集。所选系数被用于基于隐马尔可夫模型（Hidden Markov Model, HMM）算法的分类中。我们比较了使用 12 个系数与使用所选系数得到的分类准确率。
引用
@article{arxiv.1505.03239,
title = {Feature selection using Fisher's ratio technique for automatic speech recognition},
author = {Sarika Hegde and K. K. Achary and Surendra Shetty},
journal= {arXiv preprint arXiv:1505.03239},
year = {2015}
}
备注
in International Journal on Cybernetics & Informatics (IJCI) Vol. 4, No. 2, April 2015