用于SVM话者模型训练的冒认话者选取

• 作者: 刘明辉 戴蓓蒨 熊继平 黄中伟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 说话人确认 支持向量机 冒认话者选取 高斯混合模型
• 年，卷（期）: 2009,（16）
• 所属期刊栏目: 博士论文
• 页码范围: 4-6
• 页数: 3页
• 分类号: TN912.34
• 字数: 2919字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.16.002

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄中伟	中国科学技术大学电子科学与技术系	41	167	8.0	10.0
3	戴蓓蒨	中国科学技术大学电子科学与技术系	35	247	9.0	13.0
4	熊继平	浙江师范大学数理与信息工程学院	20	49	5.0	5.0
7	刘明辉	中国科学技术大学电子科学与技术系	5	38	3.0	5.0