-
题名MMCE算法在FAGMM中的应用
- 1
-
-
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]
-
