一种新的用于说话人辨认的PNN分类器的研究
给出了一种新的类条件密度函数估计的d PNN模型,它基于模式层共享的PNN和模式层分离的PNN,即每个类不仅拥有一组只属于自己的模式层,还拥有所有类都共享的几个模式层,这里共享意味着每个核函数对所有类的条件密度估计都有贡献.新模型的训练采用最大似然准则,并改进了EM算法来调整模型参数.闭集文本自由说话人辨认试验证明了提出的模型及其算法的正确性.
概率神经网络、最大似然、期望最大化、说话人辨认
30
TP391(计算技术、计算机技术)
Supported by National Key Laboratory of Vision and Hearing Signal Processing of Peking University
2004-06-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
371-379