基于聚类优化GMM提高说话人识别性能的研究

• 作者: 吴庆棋 林江云
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 说话人识别 高斯混合模型 聚类算法
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 智能、算法、系统结构
• 页码范围: 35-37,40
• 页数: 4页
• 分类号: TN92
• 字数: 2642字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2009.04.010

摘要

高斯混合模型(GMM)已广泛地应用于文本无关的说话人识别系统,该方法具有简单高效的特点.但如果GMM模型的高斯混合分量的数目比较多时,整个模型运算的复杂度会比较大.针对这个问题,提出将聚类算法和传统的高斯混合建模结合起来从而优化高斯混合模型,能够有效地提高说话人识别的速度.实验结果验证了这种算法的高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林江云	厦门大学计算机科学系	3	5	1.0	2.0
2	吴庆棋	厦门大学计算机科学系	1	5	1.0	1.0