论文部分内容阅读
异方差线性判别分析（HLDA）因在语音识别中起到了巨大的特征去相关作用而被广泛利用。然而在训练数据不足或特征维数较高时，HLDA易出现不稳定性和小样本问题。根据特征的矩阵表示形式，提出了一种结构受限的HLDA。首先用二维线性判别分析（2DLDA）压缩矩阵形式的特征，然后作一维的HLDA。通过分析我们指出，二维的特征变换实际上是一种结构受限的一维特征变换。在RM库上的实验，受限HLDA对常规HLDA的词识别错误相对下降12．39％；在TIMIT库上的实验，受限HLDA对常规HLDA的音素识别错误相对下降4．