吴延渠
- 作品数:2 被引量:0H指数:0
- 供职机构:湘潭大学材料与光电物理学院光电工程系更多>>
- 发文基金:湖南省自然科学基金更多>>
- 相关领域:电子电信更多>>
- MMCE算法在因子分析概率统计模型中的应用
- 在说话人识别领域中,基于模型的方法是最有效的,概率统计模型属于该类方法,GMM和HMM都是典型的概率统计模型,目前,受到十分广泛的研究,具有越来越重要的研究意义和实用价值。
近年,说话人概率统计模型成为研究领...
- 吴延渠
- 文献传递
- MMCE算法在FAGMM中的应用
- 2010年
- 提高说话人模型的识别性能一直是语音识别领域的一个重要课题。因子分析高斯混合模型(FAGMM)是因子分析方法与高斯混合模型(GMM)结合而成的多维概率统计模型,能更好地表征语音特征矢量的相关性,然而模型参数过多导致不能实现很好的分类。把改进的最小分类错误(MMCE)算法应用于该模型,形成一种新的FAGMM+MMCE模型,能解决前述问题,而且克服了传统的最小分类错误(MCE)算法在系统训练时不灵活、训练速度慢的缺点。实验结果表明,在30个说话人的识别应用中,本模型的识别率随着高斯混合数的增加而提高,较传统的MCE算法,识别率平均提高了3%,训练时间也平均节省了20%,说明该方法是有效的。
- 吴延渠曾以成蒋阳波