论文部分内容阅读
多分类器协同合作克服了单个分类器识别效果不理想,适用范围较窄或对使用环境要求较高的不足,并为研制更高性能的分类器,提供了解决问题的另一个途径。提出了一种基于SVM的多分类器说话人识别系统,该系统的识别框架基于多分类器的协同工作。该多分类器系统采用了ANN（artificial neural networks）、GMM（gaussian mixed model）分类器和子带结构分类器,参数选取包括MFCC（mel frequency cepstrum coefficient）、LPCC（linear pre