说话人识别中基于深度信念网络的超向量降维的研究

• 作者: 李为州 杨印根
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 超向量 降维 深度学习 深度信念网络 受限玻尔兹曼机
• 年，卷（期）: 2017,（8）
• 页码范围: 176-178
• 页数: 3页
• 分类号: TP311

摘要

在说话人识别系统中，为了精确地将说话人的特征表现出来，往往需要用到超向量，为解决在说话人识别中超向量维度高，运算量较大的问题，该文提出了基于深度学习的降维方法，利用通过多个受限玻尔兹曼机堆叠而成的深度信念网络对超向量进行降维。实验表明，深度信念网络方法在说话人识别中超向量降维有着更好的效果，其分类的准确率高于传统的降维方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨印根		35	96	5.0	7.0
2	李为州		2	0	0.0	0.0