基于EBF网络的话者识别研究和软件开发

摘要

通常我们用K-平均法和K-邻近法估计椭圆基函数(EBF)中心位置与函数宽度等参数.但上述的方法在输入矢量包含相关元素时存在性能次优化问题.另外,对于EBF网络来说,如何选择适当的类的数目仍是一个难以解决的问题.本文提出用结合改进的RPCL算法和EM算法的EBF网络结构来解决上述问题.在话者识别的软件开发中,证明这种结构具有更优越的样本表征能力以及更好的识别率.