模糊超椭球聚类算法及其在说话人识别中的应用研究

摘要

本文通过对模糊超椭球聚类算法的研究,提出了一种新的说话人识别方法。其基本思想是,将训练样本集按照分布特点划分成一定数量的超椭球分布的子类,然后充分利用各子类的一阶统计特征和二阶统计特征来表征这些分布,从而实现在总体上对训练样本集的表征,更好地对其分布特征进行描述,以此达到提高识别效果的目的.实验表明,基于模糊超椭球聚类算法的说话人识别系统具有比较稳定的性能,在测试音长度较短的情况下,性能优于传统的基于隐马尔可夫模型(HMM)的说话人识别系统.