PCA变换下的GMM-SVM话者确认研究

摘要：

针对支持向量机(SVM)输入参数不能充分利用高斯混合模型(GMM)均值、方差、权重所携带的说话人信息,而导致与文本无关话者确认系统性能下降的问题,本文结合GMM的均值、方差、权重,提出一种新的、基于自适应后GMM的,SVM模型输入特征提取方法.在NIST 06语音数据库上的实验表明,本方法将等误识率(EER)从高斯混合模型-通用背景模型(GMM-UBM)系统的8.49％,下降到基于离散余弦变换(DCT)变换GMM-SVM系统的4.16％,以及基于主元成分分析(PCA)GMM-SVM系统的3.3％.

关键词：主元成分分析、GMM超矢量、支持向量机、话者确认

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

在线出版日期：2016-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：637-640