用于SVM话者模型训练的冒认话者选取

摘要：

在基于支持向量机(SVM)的文本无关的说话人确认中,为提高SVM话者模型的训练效率和区分性能,提出2种基于高斯混合模型(GMM)的冒认话者选取方法--通过GMM概率评分,为每个目标说话人选取最接近的话者作为冒认话者用于SVM话者模型的训练,不仅提高模型的训练效率,而且提高SVM模型的区分性,有效地改进系统性能.在NIST'04 1side-1side数据库上的实验表明该方法的有效性.

关键词：说话人确认、支持向量机、冒认话者选取、高斯混合模型

所属期刊栏目：35

分类号：TN912.34

资助基金：国家自然科学基金资助项目60272039;深圳市残联培训经费基金;深圳大学科研启动基金资助项目200811

在线出版日期：2009-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：4-6