采用高斯概率分布和支持向量机的说话人确认

• 作者: 戴礼荣 王仁华 郭武
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 广义线性判别式序列(GLDS) 梅尔刻度式倒谱参数(MFCC) 线性预测倒谱参数(LPCC)
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 研究与应用
• 页码范围: 794-798
• 页数: 5页
• 分类号: TN912.34
• 字数: 3831字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2008.06.013

摘要

在采用支持向量机的说话人确认中,将语音特征参数相对于通用背景模型各高斯分量的概率分布作为支持向量机输入,在线性核函数的情况下,系统能取得与广义线性判别式序列核函数(GLDS)几乎相同的识别率,同时该高斯概率分布算法能够与混合高斯背景模型、广义线性判别式序列核函数的得分进行融合,进一步提高识别性能.在2006年NIST SRE 1conv4w-1 conv4w数据库上,融合后的系统相对于基线的混合高斯模型最多有25%的等错误率下降.