Model parameter estimation for mixture density polynomial segment models

T. Fukada*, K. K. Paliwal, Y. Sagisaka

*この研究の対応する著者

研究成果: Article査読

2 被引用数 (Scopus)

抄録

In this paper, we propose parameter estimation techniques for mixture density polynomial segment models (MDPSMs) where their trajectories are specified with an arbitrary regression order. MDPSM parameters can be trained in one of three different ways: (1) segment clustering; (2) expectation maximization (EM) training of mean trajectories; and (3) EM training of mean and variance trajectories. These parameter estimation methods were evaluated in TIMIT vowel classification experiments. The experimental results showed that modelling both the mean and variance trajectories is consistently superior to modelling only the mean trajectory. We also found that modelling both trajectories results in significant improvements over the conventional HMM.

本文言語English
ページ(範囲)229-246
ページ数18
ジャーナルComputer Speech and Language
12
3
DOI
出版ステータスPublished - 1998 6月
外部発表はい

ASJC Scopus subject areas

  • 理論的コンピュータサイエンス
  • ソフトウェア
  • 人間とコンピュータの相互作用

フィンガープリント

「Model parameter estimation for mixture density polynomial segment models」の研究トピックを掘り下げます。これらがまとまってユニークなフィンガープリントを構成します。

引用スタイル