10.3321/j.issn:1002-8331.2004.15.028
基于因子分析的隐马尔可夫模型及其训练算法
虽然基于对角协方差矩阵高斯分布的隐马尔可夫模型(Hidden Markov Model Based on Diagonal Gaussiandistributions,HMM-DG)目前在现代大词表连续语音识别系统中得到了广泛的应用,但HMM-DG在帧内特征相关(intra-frame features correlation)建模方面存在缺陷.该文将因子分析方法与HMM-DG的混合高斯建模相结合,提出了一种具有弹性的帧内特征相关隐马尔可夫模型框架一基于因子分析的隐马尔可夫模型(Hidden Markov Model Baded on Factor Analysis,HMM-FA),并导出了HMM-FA的训练算法.仿真实验表明:在相同的条件下,HMM-FA的性能优于HMM-DG.
隐马尔可夫模型、因子分析、期望-最大化算法
40
TN911.7
湖北省教育厅科研项目2002A02004
2004-07-09(万方平台首次上网日期,不代表论文的发表时间)
共3页
79-81