计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2009年
16期
4-6
,共3页
刘明辉%黄中伟%戴蓓蒨%熊继平
劉明輝%黃中偉%戴蓓蒨%熊繼平
류명휘%황중위%대배천%웅계평
说话人确认%支持向量机%冒认话者选取%高斯混合模型
說話人確認%支持嚮量機%冒認話者選取%高斯混閤模型
설화인학인%지지향량궤%모인화자선취%고사혼합모형
在基于支持向量机(SVM)的文本无关的说话人确认中,为提高SVM话者模型的训练效率和区分性能,提出2种基于高斯混合模型(GMM)的冒认话者选取方法--通过GMM概率评分,为每个目标说话人选取最接近的话者作为冒认话者用于SVM话者模型的训练,不仅提高模型的训练效率,而且提高SVM模型的区分性,有效地改进系统性能.在NIST'04 1side-1side数据库上的实验表明该方法的有效性.
在基于支持嚮量機(SVM)的文本無關的說話人確認中,為提高SVM話者模型的訓練效率和區分性能,提齣2種基于高斯混閤模型(GMM)的冒認話者選取方法--通過GMM概率評分,為每箇目標說話人選取最接近的話者作為冒認話者用于SVM話者模型的訓練,不僅提高模型的訓練效率,而且提高SVM模型的區分性,有效地改進繫統性能.在NIST'04 1side-1side數據庫上的實驗錶明該方法的有效性.
재기우지지향량궤(SVM)적문본무관적설화인학인중,위제고SVM화자모형적훈련효솔화구분성능,제출2충기우고사혼합모형(GMM)적모인화자선취방법--통과GMM개솔평분,위매개목표설화인선취최접근적화자작위모인화자용우SVM화자모형적훈련,불부제고모형적훈련효솔,이차제고SVM모형적구분성,유효지개진계통성능.재NIST'04 1side-1side수거고상적실험표명해방법적유효성.
