一种基于最小误分率估计高斯混合模型参数的方法

摘要：

传统的基于最大似然估计高斯混合模型参数的方法是一种无导师的学习方法,该方法的主要缺点是学习算法在估计一类模式模型中的参数时只利用了该类模式中的训练样本,而未考虑其它类训练样本的分布影响,因此,这种方法的识别效果往往不够理想.针对以上问题,作者提出利用最小误分率估计高斯混合模型参数的方法,这种方法考虑了不同类之间的样本的区分性.同时为了提高获得全局最优解的可能性,文中给出一种利用遗传规划求解最优参数的算法.这种方法用于非限定文本的话者识别.实验表明,该方法较传统的参数估计方法识别效果好.

关键词：最小误分率、高斯混合模型、模式识别

所属期刊栏目：22

分类号：TP18(自动化基础理论)

资助基金：国家高技术研究发展计划863计划863-306-03-01;国家自然科学基金

在线出版日期：2005-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：804-808