基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为解决大规模语者识别问题中普遍存在的加性噪声、高计算复杂度等问题,提高大规模语者识别算法的抗噪性和鲁棒性,利用模糊聚类决策树,提出了一种分布式语者识别算法.该算法将训练数据等分成几个部分,对这几个部分分别使用基于模糊聚类的决策树算法进行训练;对于输入的测试样本,用建好的决策树进行分类,判断它属于哪棵树的哪个叶节点;在该选定的叶节点上使用梅尔频率倒谱系数和高斯混合模型识别方法识别该语者身份.对训练数据进行模糊聚类的过程主要包括四个步骤:根据相应的层提取语音特征;计算特征数据的均值和标准差得到信任间距集合;对集合使用Lloyd算法得到分隔向量;以分隔向量为基础进行聚类分组得到下一层的节点.实验结果表明,与传统的硬聚类算法相比,该算法能够提高语者识别的准确率和分类效率,对加性噪声具有良好的抗干扰能力.
推荐文章
隐私保护的分布式决策树分类算法的研究
分布式数据挖掘
隐私保护
安全多方计算
C4.5决策树算法
垂直分布
水平分布
模糊决策树在磨削状态识别中的应用
磨削状态
磨削烧伤
砂轮磨钝
模糊决策树
基于决策树算法的信息资产识别
信息资产
资产识别
决策树
C4.5
基于决策树的模糊聚类评价算法及其应用
聚类
模糊评价
决策树
客户细分
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于模糊聚类决策树的分布式语者识别算法
来源期刊 计算机技术与发展 学科 工学
关键词 语者识别 模糊聚类 决策树 分布式计算
年,卷(期) 2017,(8) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 79-82,87
页数 5页 分类号 TP391
字数 4316字 语种 中文
DOI 10.3969/j.issn.1673-629X.2017.08.016
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈志 南京邮电大学计算机学院 50 362 11.0 17.0
2 黄继鹏 南京邮电大学计算机学院 1 2 1.0 1.0
3 芮路 南京邮电大学计算机学院 1 2 1.0 1.0
4 王宇虹 南京邮电大学计算机学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (754)
参考文献  (12)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(2)
  • 参考文献(2)
  • 二级参考文献(0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(5)
  • 参考文献(1)
  • 二级参考文献(4)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
语者识别
模糊聚类
决策树
分布式计算
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导