10.3969/j.issn.1004-9037.2012.04.002
区分性训练在声纹密码中的新应用
在声纹密码任务中由于数据稀疏的问题难以实现区分性训练,本文以一种表征距离度量的特征矢量为基础提出新的声纹密码区分性系统框架,对正反例样本的新特征矢量实现了基于最小分类错误准则的区分性训练,将声纹密码从确认问题转化为二类分类问题.在自由说话风格的60人数据集上,声纹密码区分性系统与混合高斯模型-通用背景模型(Gaussian mixture model-universal background model,GMM-UBM)系统融合后等错误率为4.48%,相对GMM-UBM,动态时间规划(Dynamic time warping,DTW)基线系统性能分别提升了17.95%和59.68%.
声纹密码、说话人确认、区分性训练、GMM-UBM
27
TP391(计算技术、计算机技术)
安徽省科技攻关09120201003
2012-11-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
404-409