主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
付中华,张艳宁.在线无监督说话人检索中稳健的模型自举算法.软件学报,2007,18(3):608-616
在线无监督说话人检索中稳健的模型自举算法
A Robust Bootstrapping Algorithm of Speaker Models for On-Line Unsupervised Speaker Indexing
投稿时间:2006-07-28  修订日期:2006-11-13
DOI:
中文关键词:  说话人检索  说话人模型  回归类  特征音
英文关键词:speaker indexing  speaker model  regression class  eigenvoice
基金项目:Supported by the Science & Technology Research and Development Plan of Shanxi Province of China under Grant No.2005k04-G23(陕西省科学技术研究发展计划)
作者单位
付中华 西北工业大学,计算机学院,陕西,西安,710072 
张艳宁 西北工业大学,计算机学院,陕西,西安,710072 
摘要点击次数: 3427
全文下载次数: 3342
中文摘要:
      基于回归树模型的多特征空间建模方法在回归类内部进行特征音分析,较好地解决了训练数据不足时说话人模型的训练问题,而短语音段聚类策略又进一步避免了过短的语音片断对自举训练的影响.验证实验采用了实际录制的近8小时的不同谈话数据.结果显示,即使平均自举片断长度小于5秒,新方法依然非常稳健,不仅提高了说话人改变检测的效果,而且优于通常的自举方法.
英文摘要:
      A robust bootstrapping framework, which employs Multi-EigenSpace modeling technique based on regression class (RCpMES) to build speaker models with sparse data, and a short-segments clustering to prevent the too short segments from influencing bootstrapping, are proposed in this paper. For a real discussion archived with a total duration of 8 hours, the significant robustness of the proposed method is demonstrated, which not only improves the speaker change detection performance but also outperforms the conventional bootstrapping methods, enen if the average bootstrapping segment duration is less than 5 seconds.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利