一种具有强分类能力的离散HMM训练算法

• 作者: 戴蓓倩 方绍武 李霄寒
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 离散HMM(hidden Markov models) 分类能力 特征图案 矢量量化 鲁棒性
• 年，卷（期）: 2001,（10）
• 页码范围: 1540-1543
• 页数: 4页
• 分类号: TP391
• 字数: 2620字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴蓓倩	中国科学技术大学电子科学与技术系	26	362	9.0	18.0
2	李霄寒	中国科学技术大学电子科学与技术系	6	241	6.0	6.0
3	方绍武	中国科学技术大学电子科学与技术系	11	194	7.0	11.0