PCA变换下的GMM-SVM话者确认研究
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%.
主元成分分析、GMM超矢量、支持向量机、话者确认
36
TP391(计算技术、计算机技术)
2016-09-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
637-640