加权成对约束度量学习在说话人识别中的应用

• 作者: 杨印根 罗剑 雷震春
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 说话人识别 马氏距离 距离度量学习 机器学习 模式识别
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 158-163
• 页数: 6页
• 分类号: TP391.4
• 字数: 6504字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1508-0277

摘要

I-vector说话人识别系统常用距离来衡量说话人语音间的相似度.加权成对约束度量学习算法(WPCML)利用成对训练样本的加权约束信息训练一个用于计算马氏距离的度量矩阵.该度量矩阵表示的样本空间中,同类样本间的距离更小,非同类样本间的距离更大.在美国国家标准技术局(NIST)2008年说话人识别评测数据库(SRE08)的实验结果表明,WPCML算法训练度量矩阵用于马氏距离相似度打分,比用余弦距离相似度打分的性能更好.选择训练样本对方法用于构造度量学习训练样本集能进一步提高系统实验性能,并优于目前最流行的PLDA分类器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨印根	江西师范大学计算机信息工程学院	35	96	5.0	7.0
2	雷震春	江西师范大学计算机信息工程学院	4	15	2.0	3.0
3	罗剑	江西师范大学计算机信息工程学院	2	3	1.0	1.0