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:
利用i-vector/PLDA模型进行说话人确认时,对于不定时间的语音,由于将长度归一化后的i-vector转化到PLDA模型时,伴随着不确定性的扭曲和缩放,影响识别率.本文通过对全变量空间矩阵T的列向量执行归一化,代替在PLDA模型上对i-vector进行长度归一化,避免因在i-vector上执行长度归一化,导致转移到PLDA模型上产生不良的扭曲.实验结果表明,该方法得到和长度归一化相似的效果,部分效果要优于长度归一化.
推荐文章
一种基于筛选高斯分量的说话人确认方法
说话人确认
自适应
竞争模型
等错误率
基于GMM聚类的鲁棒性i向量说话人确认
说话人识别
高斯混合模型
巴氏距离
支持向量机
线性判别分析
基于倒谱与复杂性的说话人确认系统
说话人识别
倒谱参数
复杂性特征
一种基于MFCC与韵律特征的说话人确认方法
说话人确认
梅尔倒谱系数
韵律特征
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T矩阵归一化PLDA的说话人确认
来源期刊 计算机与现代化 学科 工学
关键词 i-vector/PLDA 长度归一化 T矩阵 高斯通用背景模型
年,卷(期) 2017,(10) 所属期刊栏目 人工智能
研究方向 页码范围 53-56
页数 4页 分类号 TN912.3
字数 4036字 语种 中文
DOI 10.3969/j.issn.1006-2475.2017.10.011
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 缑新科 兰州理工大学电气工程与信息工程学院 70 350 10.0 14.0
2 王跃 兰州理工大学电气工程与信息工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (2)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
研究主题发展历程
节点文献
i-vector/PLDA
长度归一化
T矩阵
高斯通用背景模型
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
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导