摘要
在语音识别领域,连续概率密度GMM广泛应用于声学建模.由于标准算法复杂度高,各种基于高斯选择的似然率近似算法被提出,包括:部分距离消去(PDE)、最优混合分量预测(BMP)算法,以及部分距离消去的动态高斯选择算法(DGS).本文通过对各种算法的分析比较,在DGS的基础上引入误差控制参数,在保证算法运行效率的同时,有效的控制了运算误差的大小,为解决似然率近似算法中误差不可控的问题提供了新的思路.实验结果显示,此算法在不降低识别率的前提下,识别时间较标准算法减少10%以上.
出处
《漳州师范学院学报(自然科学版)》
2013年第1期33-39,共7页
Journal of ZhangZhou Teachers College(Natural Science)