基于HMM和聚类的英语语音识别混合算法
来源：计算机测量与控制杂志2020年第5期北京时间：
作者：朱祥
单位：杨凌职业技术学院文理分院
摘要：对于具有大量特征数据和复杂发音变化的英语语音,与单词相比,在隐马尔可夫模型(HMM)中存在更多问题,例如维特比算法的复杂度计算和高斯混合模型中的概率分布问题。为了实现基于HMM和聚类的独立于说话人的英语语音识别系统,提出了用于降低语音特征参数维数的分段均值算法、聚类交叉分组算法和HMM分组算法的组合形式。实验结果表明,与单个HMM模型相比,该算法不仅提高了英语语音的识别率近3%,而且提高系统的识别速度20.1%。
关键词：英语语音识别;隐马尔科夫模型;聚类;特征数据
基金资助：杨凌职业技术学院人文社科研究,No.GJ19100
