语音识别技术的研究始于二十世纪五十年代,经过五十多年的发展,语音识别理论日趋成熟。90年代,随着多媒体时代的来临,语音识别技术进一步成熟,语音识别系统从实验室走向实用。语音识别技术可以运用到语音通信系统、声控电话交换、数据查询、订票系统、宾馆医疗服务、银行服务、计算机控制、工业控制等领域。要想实现这些可能,将语音信号识别出来的文本信息进行分类的工作是必不可缺的。本文从中文语音识别系统的应用出发,在传统的中文文本分类系统框架基础上,实现了基于改进的SVM、KNN和朴素贝叶斯分类算法的中文语音识别文本分类系统,并将语音识别结果文本库分为10个类,1200多个样本,对所构建的系统进行了实验分析。该系统针对语音识别文本已经使用词汇为单位的特点,简化了文本分类的预处理过程,去掉了传统中文文本分类过程中的分词处理。分类构造算法方面,重点研究了支持向量机,比较了SVM的核函数对分类效果的影响,得出径向基核函数具有最好的表现。针对文本库中的样本有混叠和在10个类别中分布不均的情况,偏移支持向量机的分类超平面并且自动优化参数,为正负类样本加权,平衡正负类样本的错分率,提高了支持向量机的推广能力和分类性能。通过实验,分析和比较了不同的特征选择算法。以信息增益(IG)方法进行特征选择能获得最高的查准率、查全率;而采用互信息(MI)方法得到的分类结果非常不理想。还进一步分析比较了三种不同的分类算法,改进的SVM在本分类系统的优势非常明显,而且达到了很高的分类准确率,达到了用做研究平台的要求。