10.16337/j.1004-9037.2017.01.006
基于变分贝叶斯改进的说话人聚类算法
说话人聚类是说话人分离中的一个重要过程,然而传统的以贝叶斯信息准则作为距离测度的层次聚类方式,会出现聚类误差向上传递的情况.本文提出了一种逐级算法增强处理机制.当片段之间的最小贝叶斯信息准则距离超过设定的门限值时,或者类别个数到达一定程度时,将当前聚类结果作为初始类中心,通过变分贝叶斯迭代法重新对每个类别中的片段调优,最后再依据概率线性判别分析得分门限确定说话人个数.实验表明,本文方法在美国国家标准技术署08 summed测试集上,使得“类纯度”和“说话人纯度”比传统算法都有了一定提升,且使得说话人分离整体性能相对提升了27.6%.
说话人聚类、贝叶斯信息准则、概率线性判别分析、变分贝叶斯
32
TN912.34
公安部应用创新计划2014YYCXGAES048
2017-05-16(万方平台首次上网日期,不代表论文的发表时间)
共8页
54-61