随着人们对人机交互的需求增多,语音识别成为研究的一个热点,发展前景广阔。支持向量机用于解决多类分类具有很多优势,是语音识别研究的一个重要工具。支持向量机的本质是一个规划寻优问题,它可以找到全局最优点,克服了传统方法的不足。然而支持向量机主要是用来解决二元分类问题,如何将其应用于多类分类,研究者们纷纷提出了一些算法：“一对一”方法、“一对余”方法、“有向无环图”方法和“纠错输出编码”算法等。本文主要研究了基于纠错输出编码算法与支持向量机结合的语音识别系统,全文的主要内容如下：(1)深入研究了纠错输出编码算法。纠错输出编码算法有自己的一些优势,可以对分类产生的误差能在一定程度上进行修正,从而给出较正确的判别结果。(2)本文中构造了纠错输出编码算法与支持向量机结合的语音识别系统,解码器采用的基于指数损失解码。应用了多种编码方式来进行语音识别实验。(3)本文使用了Hadamard纠错输出编码,该算法比其他纠错输出编码码本识别性能更佳。但是当多类类别数较大时,该算法会耗费较多的时间用来进行训练识别网络。为了解决这个问题,本文在Hadamard纠错输出编码算法的基础上构造了稀疏化的Hadamard纠错输出编码算法,即1/2稀疏的Hadamard纠错输出编码算法和1/3稀疏的Hadamard纠错输出编码算法。实验结果表明在类别数较多的语音识别中,这两种算法能不同程度地减少训练时间,同时保持较高的识别率。