文献

J-GLOBAL ID：201302242269500628   整理番号：13A1474288

話者認識用の可変要因統合に基づくGauss混合モデル

Gaussian Mixture Model Based on Variable Factor-Integration for Speaker Recognition

著者 (2件)： Li Jie (School of Information Engineering, Univ. of Sci. and Technol. Beijing, Beijing) ,  Liu HePing (School of Information Engineering, Univ. of Sci. and Technol. Beijing, Beijing)
資料名： Moshi Shibie yu Rengong Zhineng  (Moshi Shibie yu Rengong Zhineng)
巻： 25  号： 6  ページ： 937-942  発行年： 2012年 
JST資料番号： C2411A  ISSN： 1003-6059  CODEN： MRZHET  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来のGauss混という合モデルの認識率は,かなり雑音が多い条件で減少する問題を解決するため,確率分布の形で多重確率モデルの統合機構を採用することによって,可変要因統合に基づくGauss混合モデルを提示した。可変要因の導入を通して,混合モデルにおける様々な構成の比率を再び調整した。提案したモデルパラメータ再推定することによって,実験結果は,提案したモデルの性能のほうが,データベースTIMIT/NTIMITおよび異なる話者数に関する従来のGauss混合モデルの性能よりも良好であることを示した。特に,最適値による雑音条件において,認識率が8%上がった。NIST評価データベースに関して,実験結果は認識率がGMM-UBMシステムと同様に上がることを示した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *Gauss模型 ,  話者認識 ,  パラメータ ,  データベース ,  確率モデル ,  システム ,  研究所 ,  確率分布 ,  数値
準シソーラス用語： *Gauss混合モデル ,  モデルパラメータ ,  実験結果 ,  NIST ,  GMM ,  最適値

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 話者認識 ,  可変 ,  要因 ,  統合 ,  Gauss混合モデル