一种具有强分类能力的离散HMM训练算法

被引：6

作者：

方绍武

戴蓓倩

李霄寒

机构：

[1] 中国科学技术大学电子科学与技术系

[2] 中国科学技术大学电子科学与技术系安徽合肥

[3] 安徽合肥

来源：

软件学报 | 2001年 / 10期

关键词：

离散HMM(hidden Markov models); 分类能力; 特征图案; 矢量量化; 鲁棒性;

D O I：

10.13328/j.cnki.jos.2001.10.014

中图分类号：

TN912.3 [语音信号处理];

学科分类号：

0711 ;

摘要：

提出了一种具有强分类能力的离散 HMM(hidden Markov models)训练算法 .该算法利用矢量量化技术将来自不同话者的训练数据进行混合训练 ,以生成包含各个话者特征的话者特征图案 .用该特征图案代替经典的离散 HMM中的 VQ码本 ,可以提高观察值符号序列的模式辨识能力 ,从而提高了离散 HMM的分类能力 .给出了该方法用于文本有关的话者识别的实验结果 ,表明该算法可提高系统的识别性能 ,并要降低 HMM对训练集大小的依赖程度 ,且识别时计算量明显小于经典 HMM训练算法 ,具有较大的实用价值

引用

页码：1540 / 1543

页数：4