-
题名混合因子分析的重新抽样方法
被引量：2
- 1
-
-
作者
岳博
焦李成
-
机构
西安电子科技大学雷达信号处理重点实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2002年第12期1873-1875,共3页
-
基金
国家自然科学基金(No.60073053)
-
文摘
混合因子分析是一种对具有复杂结构的多维数据建立模型的方法.本文提出了一种进行混合因子分析的重新抽样方法.当给定一组数据样本时,我们首先建立样本概率分布的混合高斯模型,然后为每一个高斯混合项重新抽取新的数据样本,在新的样本上再对每一个高斯混合项进行因子分析.与已有的算法相比较,避免了计算各个高斯混合项在每个样本值之下的后验概率,又减少了进行因子分析时参与计算的数据样本的数量.
-
关键词
混合因子
重新抽样方法
因子分析
混合高斯模型
EM算法
学习模型
-
Keywords
factor analysis
Gaussian mixture model
EM algorithm
sampling
-
分类号
O212.4
[理学—概率论与数理统计]
-
-
题名MMCE算法在FAGMM中的应用
- 2
-
-
作者
吴延渠
曾以成
蒋阳波
-
机构
湘潭大学光电工程系
-
出处
《声学技术》
CSCD
2010年第1期83-86,共4页
-
基金
湖南省自然科学基金(08JJ5031)
-
文摘
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。
-
关键词
因子分析高斯混合模型(fagmm)
改进的最小分类错误(MMCE)算法
fagmm+MMCE模型
-
Keywords
factor analyzed Gaussian mixture model（fagmm）
modified minimum classification error （MMCE） algorithm
fagmm＋MMCE model
-
分类号
TN912.34
[电子电信—通信与信息系统]
-
