计算机工程
計算機工程
계산궤공정
Computer Engineering
2015年
10期
318-321
,共4页
语音识别%连续型隐马尔可夫模型%K-means算法%局部最优%参数初始化
語音識彆%連續型隱馬爾可伕模型%K-means算法%跼部最優%參數初始化
어음식별%련속형은마이가부모형%K-means산법%국부최우%삼수초시화
speech recognition%Continuous Hidden Markov Model (CHMM)%K-means algorithm%local optimization%parameter initialization
在语音识别中,连续型隐马尔可夫模型(CHMM)在初始化时采用分段K-means算法,但该算法会导致模型参数收敛于局部最优.针对该问题,提出基于密度和距离参数的CHMM模型初始化算法.计算数据对象的距离和密度参数,选择密度值较大而同时距离较远的数据对象作为初始聚类中心,对其进行K-means聚类处理,得到最终的聚类中心,根据聚类中心初始化CHMM模型的参数.实验结果表明,与随机取值算法相比,该算法提高了语音的识别率.
在語音識彆中,連續型隱馬爾可伕模型(CHMM)在初始化時採用分段K-means算法,但該算法會導緻模型參數收斂于跼部最優.針對該問題,提齣基于密度和距離參數的CHMM模型初始化算法.計算數據對象的距離和密度參數,選擇密度值較大而同時距離較遠的數據對象作為初始聚類中心,對其進行K-means聚類處理,得到最終的聚類中心,根據聚類中心初始化CHMM模型的參數.實驗結果錶明,與隨機取值算法相比,該算法提高瞭語音的識彆率.
재어음식별중,련속형은마이가부모형(CHMM)재초시화시채용분단K-means산법,단해산법회도치모형삼수수렴우국부최우.침대해문제,제출기우밀도화거리삼수적CHMM모형초시화산법.계산수거대상적거리화밀도삼수,선택밀도치교대이동시거리교원적수거대상작위초시취류중심,대기진행K-means취류처리,득도최종적취류중심,근거취류중심초시화CHMM모형적삼수.실험결과표명,여수궤취치산법상비,해산법제고료어음적식별솔.