基于变分贝叶斯改进的说话人聚类算法

• 作者: 李敬阳 李锐 王晓笛 王莉
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 说话人聚类 贝叶斯信息准则 概率线性判别分析 变分贝叶斯
• 年，卷（期）: 2017,（1）
• 页码范围: 54-61
• 页数: 8页
• 分类号: TN912.34
• 字数: 4948字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2017.01.006

摘要

说话人聚类是说话人分离中的一个重要过程,然而传统的以贝叶斯信息准则作为距离测度的层次聚类方式,会出现聚类误差向上传递的情况.本文提出了一种逐级算法增强处理机制.当片段之间的最小贝叶斯信息准则距离超过设定的门限值时,或者类别个数到达一定程度时,将当前聚类结果作为初始类中心,通过变分贝叶斯迭代法重新对每个类别中的片段调优,最后再依据概率线性判别分析得分门限确定说话人个数.实验表明,本文方法在美国国家标准技术署08 summed测试集上,使得“类纯度”和“说话人纯度”比传统算法都有了一定提升,且使得说话人分离整体性能相对提升了27.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李锐	中国科学技术大学电子科学与技术系	63	1219	18.0	34.0
2	李敬阳		13	74	5.0	8.0
3	王莉		8	35	4.0	5.0
4	王晓笛		2	1	1.0	1.0