搜索结果: 1-7 共查到“计算机科学技术 GMM”相关记录7条 . 查询时间(0.104 秒)
说话人识别中基于粒子群优化的GMM训练方法
说话人识别 高斯混合模型 粒子群优化
2014/6/20
针对高斯混合模型(Gaussian Mixture Model, GMM)参数最优估计问题，常用的最大期望(Expectation- Maximization, EM)算法对初值敏感，在实际训练中极易得到局部最优参数，本文提出了一种GMM参数优化的新方法。将EM算法融入到粒子群优化(Particle Swarm Optimization, PSO)训练过程，形成了一种新的混合算法，利用PSO的全局...
提出一种高斯混合模型的ESP流量应用层协议识别技术，采用同步采集和流量模拟2种方式构造ESP数据集，建立HTTP、FTP、SMTP和TELNET 4种协议的ESP流量高斯混合模型，并对该模型进行测试，结果表明，高斯混合模型对ESP流量具有较好的协议识别能力，可利用ESP流量的网络层特征识别其应用层协议。
在高斯混合模型（Gaussian Mixture Model，GMM）训练时，对传统的模型参数初始化方法（随机法、K均值聚类法）进行改进，提出分裂法与K均值聚类相结合的新方法。实验表明，采用改进的方法与传统方法相比，系统平均识别率有15.47%和7.5%的提高。研究了GMM的阶数、协方差阈值、预加重系数对系统识别率的影响。对实验结果进行详细分析，并根据实验数据，取它们各自表现最好的值，从而使构建的...
基于丢包补偿和GMM-DM的说话人识别算法
说话人识别 丢包补偿 GMM-DM
2009/4/16
针对说话人语音数据在网络传输过程中的丢失问题，该文提出了一种基于Lagrangian插值的分组恢复方法，评估了丢失帧的实际位置，效果良好，改进了GMM识别算法，分析了一种基于GMM-DM的识别算法，克服了数据丢失对系统识别率的影响。实验结果表明，Lagrangian插值分组恢复方法和GMM-DM识别算法，在丢包率比较大时，可以减小丢帧而造成的负面影响，在训练数据不充分时，提高了系统的识别率。
基于GMM的普通话和四川方言独立文本的说话人确认
说话人确认 高斯混合模型 独立文本
2009/2/8
针对训练和测试阶段中的语音数据类型（普通话和四川方言）的不匹配导致说话人确认系统性能下降很大的问题，提出了一种新的建立高斯混合模型（GMM）方法——普通话和四川方言按比例混合建立普通话和四川方言联合GMM的方法，并发现使系统针对普通话和四川方言不匹配导致的性能下降率至很低（2.79%）的比例。实验结果表明，该方法可以有效地加强测试阶段针对语种变化的鲁棒性，可以有效的减少普通话和四川方言在训练和测试...
基于双高斯GMM的特征参数规整及其在语音识别中的应用
语音识别 前端 噪声鲁棒性
2008/12/24
对特征参数概率分布的实验分析表明,在有噪声影响的情况下,特征参数通常呈现双峰分布.据此,本文提出了一种新的,基于双高斯的高斯混合模型(Gaussian mixture model,GMM)的特征参数归一化方法,以提高语音识别系统的鲁棒性.该方法采用更为细致的双高斯模型来表达特征参数的累积分布函数(CDF),并依据估计得到的CDF进行参数变换将训练和识别时的特征参数的分布都规整为标准高斯分布,从而提...