基于重组超矢量的GMM-SVM说话人辨认系统

• 作者: 孙林慧 欧国振 薛海双
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 说话人辨认 高斯混合模型-支持向量机 超矢量重组 辨别率 建模时间
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 51-56
• 页数: 6页
• 分类号: TP302
• 字数: 5784字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.07.012

摘要

在传统的高斯混合模型-支持向量机(Gaussian Mixture Model-Support Vector Machine,GMM-SVM)说话人辨认系统中,SVM利用从GMM矢量空间中得到的超矢量(Super Vector)直接对说话人进行建模与识别,由于没有考虑到超矢量内各均值矢量之间的关联性,识别性能有限.为此,提出了基于重组超矢量构建文本无关的GMM-SVM说话人辨认系统.该系统充分利用各相邻高斯分量的均值矢量的高度关联性,保证了重组后的超矢量能充分反映说话人身份的内在细节,使得系统具有充分利用SVM处理高维小数据性能的优越特点.验证实验结果表明,与传统的GMM-SVM系统相比,重组超矢量GMM-SVM说话人辨认系统显著地缩短了系统建模的时间,同时有效地提高了说话人的辨别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙林慧	南京邮电大学通信与信息工程学院	23	493	11.0	22.0
2	薛海双	南京邮电大学通信与信息工程学院	2	2	1.0	1.0
3	欧国振	南京邮电大学通信与信息工程学院	2	2	1.0	1.0