一种改进的基于GMM模型的语音序列评分和分类方法

摘要

基于高斯混合模型(GMM)的序列评分和评分空间的映射方法可以有效地应用于数据稀疏及数据量较少的序列分类.然而在语音序列分类中,这种方法不能反映序列次序和时长差别.因此,本文提出了一种观测值次序均衡方法,即序列中观测值的评分与其出现的次序和它之前出现的所有观测值相关.同时,我们在次序均衡中引入了功能因子,对于不同目的的语音序列分类,可以通过调节功能因子而指定相应的评分函数.实验结果证明这种新的评分方法能有效提高基于GMM概率模型的语音序列分类性能.