高斯PLDA在说话人确认中的应用及其联合估计
近年来,基于总变化因子的说话人识别方法成为说话人识别领域的主流方法。其中,概率线性鉴别分析(Probabilistic linear discriminant analysis, PLDA)因其优异的性能而得到学者们的广泛关注。然而,在估计PLDA 模型时,传统的因子分析方法只更新模型空间,因此,模型均值不能很好地与更新后的模型空间耦合。提出联合估计法对模型均值和模型空间同时估计,得到更为严格的期望最大化更新公式,在美国国家标准与技术局说话人识别评测2010扩展测试数据库以及2012核心测试数据库上,等错率得到一定提升。
因子分析、总变化因子、概率线性鉴别分析、联合估计、期望最大化
TN9;TP3
国家高技术研究发展计划863计划2012AA012503;国家自然科学基金10925419,90920302,61072124,11074275,11161140319,91120001,61271426;中国科学院战略性先导科技专项XDA06030100, XDA06030500;中科院重点部署项目KGZD-EW-103-2资助@@@@Supported by National High Technology Research and De-velopment Program of China 863 Program2012AA012503;National Natural Science Foundation of China10925419,90920302,61072124,11074275,11161140319,91120001,61271426;the Strategic Priority Research Program of the Chi-nese Academy of SciencesXDA06030100, XDA06030500;Priority Deployment Project of Chinese Academy of SciencesKGZD-EW-103-2
2014-07-15（万方平台首次上网日期，不代表论文的发表时间）
共7页
1068-1074
