用神经阵列网络进行文本无关的说话人识别

提出了一种可用于说话人识别的神经阵列网络,它以仅完成两类模式区分的小型网络作为子网络,再将单个子网络组合成阵列形式来完成多类模式的区分。文中给出了阵列网络的构成及搜索算法,并使用径向基函数（ＲＢＦ）阵列网络进行了文本无关的说话人识别的研究。实验显示,对 ２０名说话人,用 ５秒语音训练, ２秒语音识别时,该方法可达到 ９８％的正确识别率。     

说话人识别使用遗传RBF网络

针对RBF网络普遍采用的一种训练算法所存在的局部最佳问题,本文将遗传算法用于RBF网络训练过程,增强了该网络的全局寻优能力,提高了RBF网络的模式识别性能.说话人识别实验显示,改进训练算法后,RBF网络的说话人识别率有稍许提高.     

话话人识别使用遗传RBF网络

针对ＲＢＦ网络普遍采用的一种训练算法所存在的局部最佳问题。本文将遗传算法用于ＲＢＦ网络训练过程,增强了该网络的全局寻优能力,提高了ＲＢＦ网络的模式识别性能,说话人识别实验显示,改进训练算法后,ＲＢＦ网络的说话人识别率有稍许提高。