均衡化的改进K均值聚类法

• 作者: 王红睿 裴剑 赵黎明
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 矢量量化 K均值聚类法 语音识别 连续马尔可夫模型初值
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 控制科学与工程
• 页码范围: 172-176
• 页数: 5页
• 分类号: TP18|TP391
• 字数: 3366字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2006.02.011

摘要

为了进行连续马尔可夫模型的初值提取,提出一种各类在训练样本空间近似均衡分布的K均值聚类法.在聚类的过程中引入惩罚因子,从而限制过多的训练矢量集中于一个或几个类,使样本空间划分近似均匀.连续马尔可夫模型初值提取实验证明,该方法与标准的K均值聚类法、LBG(Linde Buzo Gray)聚类法相比,降低了矢量量化产生的全局失真,各个类在样本空间的分布更加均匀,提高了矢量量化的性能.将该方法用于孤立词识别连续马尔可夫模型的初值提取,可使各个高斯概率密度函数的参数估计更逼近其无偏估计,从而提高了马尔可夫模型初值的可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵黎明	吉林大学通信工程学院	11	45	3.0	6.0
2	王红睿	吉林大学通信工程学院	7	61	3.0	7.0
3	裴剑	吉林大学通信工程学院	2	27	1.0	2.0