文章基本信息
- 标题：说话人识别中基于粒子群优化的GMM训练方法
- 其他标题：Gaussian Mixture Model Training Method Based on Particle Swarm Optimizer for Speaker Recognition
- 本地全文：下载
- 作者：薛丽萍 ; 姚应龙 ; 王志强 等
- 期刊名称：Software Engineering and Applications
- 印刷版ISSN：2325-2286
- 电子版ISSN：2325-2278
- 出版年度：2013
- 卷号：2
- 期号：1
- 页码：1-5
- DOI：10.12677/SEA.2013.21001
- 出版社：Hans Publishers
- 摘要：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的全局探索和EM算法的局部深度搜索的混合策略，粒子在每次迭代中执行PSO速度位置更新和标准EM算法的混合更新操作，在训练语音矢量空间搜索最优高斯混合模型参数。从而避免传统EM算法陷入局部最优的缺点。说话人辨认实验表明，与EM算法相比，本文方法可以得到更优的模型参数，能有效提高系统的识别率。
- 关键词：说话人识别;高斯混合模型;粒子群优化
- 其他关键词：Speaker Recognition; Particle Swarm Optimization (PSO); Gaussian Mixture Model (GMM)
