GMM与RVM融合的话者辨识方法

• 作者: 王万良 郑建炜 郑泽萍
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 相关向量机 高斯混合模型 话者辨别 支持向量机
• 年，卷（期）: 2010,（15）
• 页码范围: 168-170
• 分类号: TP18
• 字数: 3436字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2010.15.059

摘要

相关向量机(RVM)分类法使用概率输出克服了支持向量机(SVM)识别速率低的缺点,并且具有更好的稀疏性.但在与文本无关的话者辨别中,大量训练样本数据体现了RVM在模型训练时计算量与内存需求过大的缺点.针对以上特点,提出基于GMM统计特征参数与RVM融合的与文本无关的语者辨别系统,既有效地提取话者特征信息,解决大样本数据下的RVM训练问题,又结合统计模型鲁棒性高和分辨模型辨别效果好的优点.实验结果证明,该系统比基本的GMM系统具有更优的错误辨别率,比GMM/SVM系统具有更高的稀疏性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王万良	浙江工业大学信息学院	303	3770	29.0	48.0
2	郑建炜	浙江工业大学信息学院	42	161	7.0	10.0
3	郑泽萍	浙江工业大学信息学院	3	12	2.0	3.0