文档介绍
针对隐马尔科夫模型用于语音识别时传统的参数初始化方法(随机分布之值、K均值算法)可能导致模型参数收敛于局部最优而非全局最优的问题，提出了先按最大距离选择初值中心，再按最小距离将原始数据分割成小类后去除类内干扰点，使类内相似性更强的K均值方法．实验结果表明，改进后的方法与传统方法相比，更好地平滑逼近语音特征，提高语音的识别率。
文档标签:
控制科学与技术
针对隐马尔科夫模型用于语音识别时传统的参数初始化方法(随机分布之值、K均值算法)可能导致模型参数收敛于局部最优而非全局最优的问题，提出了先按最大距离选择初值中心，再按最小距离将原始数据分割成小类后去除类内干扰点，使类内相似性更强的K均值方法．实验结果表明，改进后的方法与传统方法相比，更好地平滑逼近语音特征，提高语音的识别率。
