基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
与文本无关的说话人识别方法是当前说话人识别技术的研究重点.本文将自组织特征映射(SOFM)网络用于矢量量化中码书的形成,改进了训练算法,并基于改进算法进行了与文本无关的说话人识别.经实验结果证明,本文的方法改善了码本的性能,提高了说话人识别的识别率.
推荐文章
基于i-vector说话人识别算法中训练时长研究
说话人识别
i-vector
Kaldi
训练时长
基于MVQM说话人识别系统的DSP实现
说话人识别
矢量量化
混合高斯模型
数字信号处理器
基于LSP线谱对参数的GMM说话人识别系统
高斯混合模型
线谱对
说话人识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进Kohonen网络训练算法的说话人识别系统
来源期刊 信号处理 学科 工学
关键词 说话人识别 与文本无关 自组织特征映射(SOFM)
年,卷(期) 2005,(z1) 所属期刊栏目 语音合成、识别及对话
研究方向 页码范围 200-203
页数 4页 分类号 TN91
字数 2548字 语种 中文
DOI 10.3969/j.issn.1003-0530.2005.z1.051
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵鹤鸣 苏州大学电子信息学院 140 1024 17.0 23.0
2 张庆芳 苏州大学电子信息学院 7 32 4.0 5.0
3 苏秦 苏州大学电子信息学院 12 32 2.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (5)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1980(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
说话人识别
与文本无关
自组织特征映射(SOFM)
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导