基于遗传-模糊聚类的说话人识别方法及其仿真研究

利用遗传算法的全局收敛性及模糊C-均值(FCM)聚类强大的局部寻优能力,提出了一种基于遗传-模糊聚类的说话人识别方法。对说话人的训练语音数据进行遗传-模糊的软聚类分析,从而得到分类中心的全局最优解,作为每个说话人的语音模型,最后利用最大总平均隶属度函数准则对待识别语音进行模糊聚类识别。除此之外,使用自适应参数增加遗传算法的局部搜索能力。实验结果表明,这种算法克服了传统硬聚类的缺点,避免了FCM对初值敏感及容易陷入最小值的缺陷,使聚类更加合理,更好地描述了说话人的语音特征。

灰色聚类决策归类原则探析

文章针对灰色聚类决策中经常采用的最大隶属原则、置信度准则、加权平均原则、最短距离原则等归类与排序原则在应用中的问题进行了分析,为解决常见归类原则所导致的评价对象不合理归类问题,特别是对于非等组距评语集的不适用性问题,提出了以评价对象综合评价值为依据的最小密度距离归类原则,并将其与加权平均排序原则相结合,实现评价对象的正确归类与排序。