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:
近年来,随着信号的稀疏性理论越来越受到人们的关注,稀疏表征分类器也作为一种新型的分类算法被应用到话者识别系统中。该模型的基本思想是:只要超完备字典足够大,任意待测样本都能够用超完备字典进行线性表示。基于信号的稀疏性理论,未知话者的向量系数,即稀疏解可以通过L1范数最小化获取。超完备字典则可视为语音特征向量在高斯混合模型-通用背景模型(GMM-UBM)上进行MAP自适应而得到的大型数据库。采用稀疏表征模型作为话者辨认的分类方法,基于TIMIT语料库的实验结果表明,所采用的话者辨认方法,能够大大提高说话人识别系统的性能。
推荐文章
基于稀疏表征多分类器融合的遮挡人脸识别
人脸识别
稀疏表征
多分辨率分块
多分类器融合
过完备字典
基于自然进化机制的话者模板优化
话者模板
优化
自然进化机制
基于离散余弦变换和稀疏表示的人脸识别
人脸识别
离散余弦变换
稀疏表示
词袋
局部特征
基于L0稀疏约束的近似稀疏解人耳识别
SRC稀疏分类
OMP算法
L0稀疏约束
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 基于稀疏表征的话者识别
来源期刊 计算机工程与应用 学科 工学
关键词 稀疏表征 高斯混合模型(GMM)均值超向量 超完备字典 最大后验(MAP)算法
年,卷(期) 2014,(20) 所属期刊栏目 信号处理
研究方向 页码范围 215-217,243
页数 4页 分类号 TP391
字数 3362字 语种 中文
DOI 10.3778/j.issn.1002-8331.1212-0279
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 李昕 上海大学机电工程与自动化学院 31 398 10.0 19.0
2 吕小听 上海大学机电工程与自动化学院 1 3 1.0 1.0
3 屈燕琴 上海大学机电工程与自动化学院 2 13 2.0 2.0
4 胡晨 上海大学机电工程与自动化学院 5 24 3.0 4.0
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  (8)
节点文献
引证文献  (3)
同被引文献  (5)
二级引证文献  (0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(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)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
稀疏表征
高斯混合模型(GMM)均值超向量
超完备字典
最大后验(MAP)算法
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导