基于密度与距离参数的CHMM声学模型初值估计

• 作者: 吕建中 樊宇星 鲜晓东
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 语音识别 连续型隐马尔可夫模型 K-means算法 局部最优 参数初始化
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 开发研究与工程应用
• 页码范围: 318-321
• 页数: 4页
• 分类号: TP301.6
• 字数: 3931字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.10.060

摘要

在语音识别中,连续型隐马尔可夫模型(CHMM)在初始化时采用分段K-means算法,但该算法会导致模型参数收敛于局部最优.针对该问题,提出基于密度和距离参数的CHMM模型初始化算法.计算数据对象的距离和密度参数,选择密度值较大而同时距离较远的数据对象作为初始聚类中心,对其进行K-means聚类处理,得到最终的聚类中心,根据聚类中心初始化CHMM模型的参数.实验结果表明,与随机取值算法相比,该算法提高了语音的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲜晓东	重庆大学信息物理社会可信服务计算教育部重点实验室	32	469	9.0	21.0
5	樊宇星	重庆大学自动化学院	3	35	2.0	3.0
6	吕建中	重庆大学自动化学院	1	0	0.0	0.0