《表2 OLRA算法有无聚类情况分析》
其次,分析聚类算法对OLRA运行时间的影响。如表2所示,OLRA-II表示对声音进行MFCC特征值提取后,直接进行神经网络识别。虽然两者在错误接受率上较为接近,但在运行时间和正确识别率上OLRA要明显优于OLRA-II算法。其中主要是因为聚类算法对原有的MFCC特征值进行降维,从而直接缩短了后续BP神经网络处理所需要的时间,并且在提高正确识别率上,为神经网络提供了具有一定代表性的特征值。
图表编号 | XD00101964700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.20 |
作者 | 张瑞、陈友荣、陈浩、刘半藤、周骏华 |
绘制单位 | 浙江树人大学信息科技学院、浙江树人大学信息科技学院、浙江树人大学信息科技学院、浙江树人大学信息科技学院、中国移动(杭州)信息技术有限公司 |
更多格式 | 高清、无水印(增值服务) |