GMM与RVM融合的话者辨识方法

摘要：

相关向量机(RVM)分类法使用概率输出克服了支持向量机(SVM)识别速率低的缺点,并且具有更好的稀疏性.但在与文本无关的话者辨别中,大量训练样本数据体现了RVM在模型训练时计算量与内存需求过大的缺点.针对以上特点,提出基于GMM统计特征参数与RVM融合的与文本无关的语者辨别系统,既有效地提取话者特征信息,解决大样本数据下的RVM训练问题,又结合统计模型鲁棒性高和分辨模型辨别效果好的优点.实验结果证明,该系统比基本的GMM系统具有更优的错误辨别率,比GMM/SVM系统具有更高的稀疏性.

关键词：相关向量机、高斯混合模型、话者辨别、支持向量机

所属期刊栏目：36

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目60573123

在线出版日期：2010-09-10（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：168-170