基于LDOF准则的自适应高斯后端语种识别方法

作     者：叶中付 戚婷 李赛峰 宋彦 YE Zhong-fu QI Ting LI Sai-feng SONG Yan

作者机构：中国科学技术大学信息科学技术学院安徽合肥230027 中国科学技术大学语音及语言信息处理国家工程实验室安徽合肥230027 数学工程与先进计算国家重点实验室江苏无锡214125 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2017年第38卷第4期

页      面：17-24页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 

基　　金：数学工程与先进计算国家重点实验室开放基金资助项目(No.2015A15)~~ 

主　　题：语种识别 类内多样性 自适应高斯后端 LDOF 

摘      要：针对由语种类内多样性引起的测试样本和训练模型不匹配的问题,提出一种基于局部距离离群因子准则(LDOF,local distance-based outlier factor)的自适应高斯后端语种识别方法。定义LDOF准则,实现有效的参数寻优过程并动态地在多类语种训练集上挑选出与测试样本特性相近的训练样本,调整原高斯后端,进而得到改进的语种识别方法。在NIST LRE 2009的6个易混淆语种任务集上的实验结果表明,所提方法的等错误概率(EER,equal error rate)和平均检测代价有显著提升。