这两天cmusphinux的声学模型训练,一直未成功。今天终于搞清楚了失败的的原因,是Too few observations for kmeans.
对应源代码vim /home/ppeix/Downloads/sphinxtrain-1.0.7/src/programs/kmeans_init/main.c中cluster函数返回失败。
如何解决这个问题,直观理解应当是获取足够多的训练数据。加强训练吧!!不知道路子走得对还是不对。
事实证明,声学模型训练上面出现的那个问题原因是.cont设置成了.semi导致的。修改后可以正常生成声学模型文件。
但识别率很低,可能需要加大训练数据吧。
语音识别的特征向量有哪些呢?
定位问题过程中遇到了k-means和vq的概念,需要补充理论知识了。
cluster函数返回失败。 如何解决这个问题,直观理解应当是获取足够多的训练数据。加强训练吧!!不知道路子走得对还是不对。 事实证明,声学模型训练上面出现的那个问题原因是.cont设置成了.semi导致的。修改后可以正常生成声学模型文件。 但识别率很低,可能需要加大训练数据吧。 语音识别的特征向量有哪些呢? 定位问题过程中遇到了k-means和vq的概念,需要补充理论知识了。
特别的,对于语音识别领域:
语音信号的聚类,就是寻找语音信号向量空间各云团的重心,即从大量的训练向量中将相互差异较小的那些点归为一类.假若我们所选的各个初始码字都对应在各个不同的云团中,那么迭代的次数将会大大减少,得到的码字也将有效地代表了该语音的特征。
深入浅出K-Means算法 转载自:http://www.csdn.net/article/2012-07-03/2807073-k-means
摘要:在数据挖掘中,K-Means算法是一种 cluster analysis 的算法,其主要是来计算数据聚集的算法,主要通过不断地取离种子点最近均值的算法。
在数据挖掘中,K-Means算法是一种cluster analysis的算法,其主要是来计算数据聚集的算法,主要通过不断地取离种子点最近均值的算法。
问题
K-Means算法主要解决的问题如下图所示。我们可以看到,在图的左边有一些点,我们用肉眼可以看出来有四个点群,但是我们怎么通过计算机程序找出这几个点群来呢?于是就出现了我们的K-Means算法(Wikipedia链接)