基于模糊分类器及多层前馈神经网络混合结构的说话人辨认

TN912.3; 提出了基于模糊超椭球聚类算法的说话人辨认新方法.该算法首先将某一类的训练数据分成若干子类,对每一子类在其中心周围定义具有超椭球区域的模糊规则.实验表明,该系统可以较快的聚类速度取得与HMM相当的识别效果.进一步的研究表明,基于模糊超椭球聚类算法的说话人辨认系统与传统的基于HMM的识别方法存在一个共同的缺点,即抗噪性能较差.为此,通过引入多层前馈神经网络(MLFNN)与模糊超椭球分类器构成混合模型,使系统的识别性能和抗噪能力显著提高....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 26; no. 11; pp. 68 - 75
Main Authors 张玲华, 杨震, 郑宝玉
Format Journal Article
LanguageChinese
Published 南京邮电大学,通信与信息工程学院,江苏,南京,210003 2005
Subjects
超椭球分类器
多层前馈神经网络
说话人辨认
模糊
Online AccessGet full text
ISSN1000-436X
DOI10.3321/j.issn:1000-436X.2005.11.012

Cover

More Information
Summary:TN912.3; 提出了基于模糊超椭球聚类算法的说话人辨认新方法.该算法首先将某一类的训练数据分成若干子类,对每一子类在其中心周围定义具有超椭球区域的模糊规则.实验表明,该系统可以较快的聚类速度取得与HMM相当的识别效果.进一步的研究表明,基于模糊超椭球聚类算法的说话人辨认系统与传统的基于HMM的识别方法存在一个共同的缺点,即抗噪性能较差.为此,通过引入多层前馈神经网络(MLFNN)与模糊超椭球分类器构成混合模型,使系统的识别性能和抗噪能力显著提高.
ISSN:1000-436X
DOI:10.3321/j.issn:1000-436X.2005.11.012