基于VQMAP模型和AdaBoost学习算法的说话人识别

• 作者: 吕勇 吴海洋 吴镇扬
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 最大后验矢量量化模型 自适应提升 提前终止 说话人识别
• 年，卷（期）: 2010,（3）
• 页码范围: 476-480
• 分类号: TN912.34
• 字数: 4186字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2010.03.008

摘要

为了解决传统说话人识别系统在集成学习后识别速度变慢且容易过学习的问题,构造了一种基于最大后验矢量量化(VQMAP)模型和自适应提升(AdaBoost)学习算法的说话人识别系统.首先,分析了说话人识别系统中基分类器性能对集成分类器泛化误差的影响.然后,针对说话人的类别数,构造适当精度的VQMAP模型.最后,利用包含提前终止策略的AdaBoost学习算法将该模型提升为强分类器.实验结果表明:该算法的识别速度较高,是最大后验高斯混合模型(GMMMAP)的9倍;该算法可有效控制AdaBoost学习算法在说话人识别中的过学习问题,其性能优于VQMAP模型,且在训练数据较少或者类别数可预计的情况下,其性能可接近甚至超过GMMMAP模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴镇扬	东南大学信息科学与工程学院	167	1889	20.0	37.0
2	吕勇	东南大学信息科学与工程学院	6	37	4.0	6.0
3	吴海洋	东南大学信息科学与工程学院	6	8	1.0	2.0