数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2005年
2期
213-217
,共5页
解焱陆%吴礼福%戴蓓蒨%李辉
解焱陸%吳禮福%戴蓓蒨%李輝
해염륙%오례복%대배천%리휘
信息融合%支持向量机%高斯混合模型-背景模型%话者确认
信息融閤%支持嚮量機%高斯混閤模型-揹景模型%話者確認
신식융합%지지향량궤%고사혼합모형-배경모형%화자학인
对于与文本无关短电话语音(小于30 s)的话者确认,在特征参数空间上分类并分别建模的方法,会带来多个子系统输出融合的问题.为了得到最终的评分,同时反映出各个子系统之间的非线性关系以及贡献的不同.本文提出了使用支持向量机(Support vector machine, SVM)进行后端评分融合的方法,对输出的两类评分矢量(目标话者和冒认话者)进行分类.在NIST'03数据库上的实验表明,在短语音情况下该方法比评分相加融合方法性能可以相对提高约11%,SVM不仅适用于多子系统的评分级的融合,对其他的多系统多信息的融合也行之有效.
對于與文本無關短電話語音(小于30 s)的話者確認,在特徵參數空間上分類併分彆建模的方法,會帶來多箇子繫統輸齣融閤的問題.為瞭得到最終的評分,同時反映齣各箇子繫統之間的非線性關繫以及貢獻的不同.本文提齣瞭使用支持嚮量機(Support vector machine, SVM)進行後耑評分融閤的方法,對輸齣的兩類評分矢量(目標話者和冒認話者)進行分類.在NIST'03數據庫上的實驗錶明,在短語音情況下該方法比評分相加融閤方法性能可以相對提高約11%,SVM不僅適用于多子繫統的評分級的融閤,對其他的多繫統多信息的融閤也行之有效.
대우여문본무관단전화어음(소우30 s)적화자학인,재특정삼수공간상분류병분별건모적방법,회대래다개자계통수출융합적문제.위료득도최종적평분,동시반영출각개자계통지간적비선성관계이급공헌적불동.본문제출료사용지지향량궤(Support vector machine, SVM)진행후단평분융합적방법,대수출적량류평분시량(목표화자화모인화자)진행분류.재NIST'03수거고상적실험표명,재단어음정황하해방법비평분상가융합방법성능가이상대제고약11%,SVM불부괄용우다자계통적평분급적융합,대기타적다계통다신식적융합야행지유효.
