基于密度与距离参数的CHMM声学模型初值估计

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.

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

所属期刊栏目：41

分类号：TP301.6(计算技术、计算机技术)

资助基金：重庆市教育委员会科学技术研究基金资助项目KJ08A01

在线出版日期：2015-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：318-321