论文部分内容阅读
为解决大规模语者识别问题中普遍存在的加性噪声、高计算复杂度等问题，提高大规模语者识别算法的抗噪性和鲁棒性，利用模糊聚类决策树，提出了一种分布式语者识别算法。该算法将训练数据等分成几个部分，对这几个部分分别使用基于模糊聚类的决策树算法进行训练；对于输入的测试样本，用建好的决策树进行分类，判断它属于哪棵树的哪个叶节点；在该选定的叶节点上使用梅尔频率倒谱系数和高斯混合模型识别方法识别该语者身份。对训练数据进行模糊聚类的过程主要包括四个步骤：根据相应的层提取语音特征；计算特征数据的均值和标准差得到信任间距集合；对