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:
在文本无关的说话人确认中,规整算法能够有效地调整测试得分的分布.另外,利用前面已经得到的测试语句的得分来调整规整的参数可以取得更好的效果,这种规整叫做非监督得分规整.在本文中,借用开发集得分来建立说话人和冒认者得分的两个先验高斯分布函数,在实际的测试中,利用最大后验概率准则来对规整的模型参数进行调整.在采用因子分析的情况下,在NIST 2006说话人识别测试1conv4w-1conv4w数据库上,能够取得等错误率5.26%.
推荐文章
说话人确认中基于无监督聚类的得分规整
说话人确认
得分规整
无监督聚类
用于说话人辨识的评分规整
评分规整
说话人辨识
高斯混合模型
统一背景模型最大后验概率估计(UBM-MAP)
基于GMM聚类的鲁棒性i向量说话人确认
说话人识别
高斯混合模型
巴氏距离
支持向量机
线性判别分析
基于因子分析和特征映射的耳语说话人识别
耳语说话人识别
联合因子分析
特征映射
正常音
耳语音
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 采用非监督得分规整和因子分析的说话人确认
来源期刊 电子学报 学科 工学
关键词 说话人确认 联合因子分析 非监督得分规整
年,卷(期) 2009,(4) 所属期刊栏目 学术论文
研究方向 页码范围 776-779
页数 4页 分类号 TN912.34
字数 3873字 语种 中文
DOI 10.3321/j.issn:0372-2112.2009.04.019
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 郭武 中国科技大学电子工程与信息科学系 7 51 4.0 7.0
2 李轶杰 中国科技大学电子工程与信息科学系 2 11 2.0 2.0
3 戴礼荣 中国科技大学电子工程与信息科学系 10 46 4.0 6.0
4 王仁华 中国科技大学电子工程与信息科学系 8 44 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (7)
同被引文献  (1)
二级引证文献  (0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(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)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
说话人确认
联合因子分析
非监督得分规整
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
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
论文1v1指导