基于改进Citation-KNN算法的性别识别研究

• 作者: 张世形 朱俊梅 贾晶晶 顾明亮
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 性别识别 改进Citation-K最近邻(KNN)算法 高斯混合模型 改进Hausdorff距离
• 年，卷（期）: 2015,（15）
• 所属期刊栏目: 信息与信号处理
• 页码范围: 206-210
• 页数: 5页
• 分类号: TP391
• 字数: 4130字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1312-0024

摘要

为了简化系统模型训练方法，提高性别识别系统的整体效率，提出了一种基于改进Citation-KNN算法的说话人性别识别方法。该方法将连续语音切分，训练每段语音的高斯混合模型（Gaussian Mixture Model，GMM）作为多示例包，其所有混合元为相应包中示例；采用改进的Hausdorff距离作为包与包之间的距离测度，通过Citation-KNN算法进行性别识别。该方法以多示例包间距离为分类依据，简化了系统训练，且识别率优于一些传统算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾明亮	江苏师范大学语言科学学院	19	36	4.0	5.0
5	贾晶晶	江苏师范大学语言科学学院	2	10	2.0	2.0
6	张世形	江苏师范大学物理与电子工程学院	5	15	3.0	3.0
7	朱俊梅	江苏师范大学语言科学学院	2	9	2.0	2.0