基于FCM-PNN分类器的说话人识别

基于FCM-PNN分类器的说话人识别
程剑锋;徐俊艳
【期刊名称】《计算机工程与应用》
【年(卷),期】2004(40)10
【摘要】说话人识别的本质就是模式分类.传统分类器算法中参数模型方法的主要缺点是预先假定的概率分布函数形式不一定符合待分类的数据.非参数模型方法,如PNN分类器,可以有效地克服参数模型的缺点,但其巨大的内存开销与低的分类速度使得PNN作为大量和高维的数据样本分类几乎不可行.FCM虽具有良好的模糊聚类能力,但无法直接佑给出概率分类结果.该文提出的FCM-PNN分类器,在FCM聚类的基础上,以贝叶斯置信度为基础,利用PNN进行概率分类.它结合了FCM聚类和PNN概率分类的优势,同时克服了传统参数模型分类和FCM聚类的局限性.实验结果证实了FCM-PNN分类器具有分类精度高、速度快及揭示细节的能力.
【总页数】3页(P65-67)
【作者】程剑锋;徐俊艳
【作者单位】中国科技大学自动化系,合肥,230027;中国科技大学自动化系,合肥,230027
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于稀疏表示分类的说话人识别算法及其在智能考勤系统中的应用 [J], 邢玉娟;谭萍
2.基于SVM的多分类器融合算法在说话人识别中的应用 [J], 王波;徐毅琼;李弼程
3.基于MFCC和最小距离分类器的说话人识别系统 [J], 张颖;张友纯
4.基于子带处理多分类器融合的说话人识别 [J], 崔国辉;田岚
5.基于分类器与阵列搜索算法的文本无关说话人识别 [J], 戚银城;柴君;赵振东因版权原因，仅展示原文概要，查看原文内容请购买。