基于遗传模糊高斯混合模型的训练方法

为了解决传统高斯混合模型GMM(Gaussianmixturemodel)的训练方法对模型初值十分敏感、在实际训练中极易得到局部最优模型参数的问题，提出了一种GMM模型参数训练的新方法。将遗传算法与基于模糊聚类分析的GMM参数估计相结合，形成一种新的混合算法，对模型参数进行全局优化，提高了参数估计的准确性。采用自适应交叉和变异算子，同时利用模糊最小目标函数FMOF(FuzzyMinimumObjectionFunction)准则对模型参数进行重估，提高了算法的搜索效率，加快了算法的收敛速度。使用PKUSRSC语音数据库进行了与文本无关的说话人辨认实验。实验表明，与传统的GMM训练方法和最大似然估计方法相比，本文方法可以得到更优的模型参数，同时识别率也有所提高。