چند روش جدید و ساده برای مقداردهی اولیه پارامترهای مخلوط گوسی در الگوریتم EM و کاربرد آن در سیستم تشخیص هویت گوینده

دسته بندی دقیق داده در مدل مخلوط گوسی که یکی از رایج ترین روشهای دسته بندی در سیستم های تشخیص خودکار گوینده می باشد، یکی از چالشهای مهم در زمینه مذکور است. انتخاب صحیح تعداد توابع گوسی و نیز مقداردهی اولیه پارامترهای مدل مخلوط گوسیدر الگوریتم آموزش EM ، از مسائل بسیار مهم در آموزش مدل مخلوط گوسی است. هدف از این مقاله، پیشنهاد روشهای ساده و در عین حال جدید و کم هزینه برای مقداردهی اولیه مدل مخلوط گوسی و مقایسه آن با روشهای کلاسیک و معمول همچون Vector Quantization است. آزمایشهای انجام شده نشان داد که روشهای ساده و کم هزینه پیشنهادی، از نقطه نظر دقت و کارایی، تفاوت چندانی با روشهای تکراری و پرهزینه ای همچون Splitting LBG ندارند.

کلیدواژه ها:

تشخیص گوینده ، خوشه بندی نرم ، مقداردهی اولیه پارامترها ، ضریب کف واریانس ، مدل مخلوط گوسی ، الگوریتم EM