摘要
文章提出一种分段均值算法对语音特征参数进行数据降维,进而采用K-Means聚类算法对降维后的语音特征参数进行聚类,初步将语音样本分成不同的特征组。在此基础上,本文提出一种针对语音特征聚类的交叉分组训练算法,提高了聚类算法对语音特征分组的准确性。在识别阶段,本文提出HMM模型交叉分组算法进行识别运算,与传统的HMM方法相比,不降低小词汇量语音识别系统识别率的情况下,计算量可减少50%以上,提高了系统的识别速度。
学科与关键词
关键词
隐马尔可夫模型语音特征参数分段均值K均值聚类模型交叉分组 HMMVoice Feature parametersSegment-MeanK-Means ClusteringModel Cross-group
- 基于MDT特征补偿的噪声鲁棒语音识别算法胡旭琰; 邹月娴; 王文敏清华大学学报(自然科学版), 2013, (06): 753-756.
- 基于MATLAB的DHMM、DTW和CHMM语音识别算法的对比研究陈新锐; 黄理计算机光盘软件与应用, 2013, (04): 68-69.
- 多特征和SVM改进的语音关键词识别系统陈太波; 张翠芳小型微型计算机系统, 2019, (11): 2291-2296.
