语音信号辅音/元音分割的快速全局模糊c均值聚类算法
创新方法:传统的模糊c均值方法(FCM)有两个缺点:对初始值要求严格,无法处理非线性分割数据。通过使用基于核的模糊c均值聚类法(KFCM-F)作为本地搜索方法,采用渐进方法获得近乎最优的结果,这种方法的渐进性和KFCM-F的非线性,可以避免FCM的两个缺点。
研究手段:使用KFCM-F处理数据,在不显著影响实验结果的情况下,设计了一个加速计划以降低计算复杂度。采用非线性人工数据组和现实数据组作为语音信号,进行辅音/元音分割,以检测这种新算法的性能。
重要结论:KFCM-F方法巧妙地避免了传统FCM方法的两个缺点。我们设计的算法(FGKFCM-F)继承了KFCM-F和全局模糊c均值方法(GFCM)的优点,得以实现基于非线性分割数据组的近乎最优解。此外,我们设计的加速计划大大降低了整个计算的复杂度。实验结果证实,FGKFCM-F比其他方法更适合处理人工和现实数据。
关键词:
模糊c均值聚类法,
核方法,
全局优化,
辅音/元音分割