改进PSO-SVM在说话人识别中的应用。通过对粒子群优化算法中惯性权重和全局最优值 的分析，提出了一种根据迭代次数而自适应变化的惯性权重的粒子群优化方法,Improvement in the PSO-SVM speaker recognition applications. Through particle swarm optimization algorithm in the inertia weight and the analysis of the global optimum val

调信息在汉语语音识别中具有非常重要的意义。采用支持向量机对连续汉语连续语音进行声调识别实 验，首先采用基于Teager能量算子和过零率的两级判别策略对连续语音进行浊音段提取，然后建立了适合于支持向 量机分类模型的等维声调特征向量。使用6个二类SVM模型对非特定人汉语普通话的4种声调进行分类识别，与 BP神经网络相比，支持向量杌具有更高的识别率。-Tone is an essential component for word formation in Chinese languages

用libsvm支持向量机进行说话人识别，其中包括对语音的预处理，主成分分析，对语音的训练，识别-With SVM speaker recognition, including pretreatment of voice, principal component analysis