基于深层信息散度最大化的说话人确认方法

摘要：

针对说话人确认中无法准确捕获特征间非线性关系的问题,提出了一种基于深层信息散度最大化的目标函数表示方法.该方法能通过计算特征所在分布之间相似度,来对特征间的非线性关系进行隐性表示,并在最大化这种统计相关性的优化目标指导下,使深度神经网络向着同类数据更紧凑、异类数据更分散的方向优化,最终达到提升深层特征空间区分性的目标.实验结果表明,相对于其他深度学习方法,所提方法的相对等错误率(EER)最多降低了15.80％,显著提升了系统性能.

关键词：说话人确认;目标函数;深层信息散度;特征表示学习

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;黑龙江省自然科学基金资助项目;黑龙江省博士后专项基金资助项目;黑龙江省普通高校基本科研业务费专项资金资助项目

在线出版日期：2021-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：231-237