作者:
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:
在说话人确认任务中,得分规整可有效调整测试得分分布,使每个说话人的得分分布接近同一分布,从而提升系统整体性能.直接从开发集中获得针对待识别目标说话人的大量冒认者得分,利用无监督聚类手段对这些得分进行筛选,并采用混合高斯模型来拟合得分分布,挑选均值最大的高斯单元作为得分规整的参数并将其应用于说话人的得分规整.在NIST SRE 2016测试集上的测试结果表明,相对于其他得分规整算法,采用无监督聚类得分规整的方法可有效提升系统性能.
推荐文章
采用非监督得分规整和因子分析的说话人确认
说话人确认
联合因子分析
非监督得分规整
用于说话人辨识的评分规整
评分规整
说话人辨识
高斯混合模型
统一背景模型最大后验概率估计(UBM-MAP)
改进的说话人聚类初始化和GMM的多说话人识别
多说话人识别
改进的聚类初始化
高斯混合模型
平均类纯度
基于说话人模型聚类的说话人识别
说话人识别
高斯混合模型
说话人模型聚类(SMC)
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 说话人确认中基于无监督聚类的得分规整
来源期刊 数据采集与处理 学科 工学
关键词 说话人确认 得分规整 无监督聚类
年,卷(期) 2019,(5) 所属期刊栏目
研究方向 页码范围 837-843
页数 7页 分类号 TN912
字数 4987字 语种 中文
DOI 10.16337/j.1004-9037.2019.05.008
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 郭武 中国科学技术大学语音及语言信息处理国家工程实验室 29 122 6.0 9.0
2 古斌 中国科学技术大学语音及语言信息处理国家工程实验室 2 2 1.0 1.0
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  (1)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(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)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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
说话人确认
得分规整
无监督聚类
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
数据采集与处理
双月刊
1004-9037
32-1367/TN
大16开
南京市御道街29号1016信箱
28-235
1986
chi
出版文献量(篇)
3235
总下载数(次)
7
总被引数(次)
25271
论文1v1指导