作者：欧国振; 孙林慧; 薛海双说话人辨认超矢量重组辨别率建模时间
摘要：在传统的高斯混合模型一支持向量机（Gaussian Mixture Model-Support Vector Machine，GMM—SVM）说话人辨认系统中，SVM利用从GMM矢量空间中得到的超矢量（Super Vector）直接对说话人进行建模与识别，由于没有考虑到超矢量内各均值矢量之间的关联性，识别性能有限。为此，提出了基于重组超矢量构建文本无关的GMM—SVM说话人辨认系统。该系统充分利用各相邻高斯分量的均值矢量的高度关联性，保证了重组后的超矢量能充分反映说话人身份的内在细节，使得系统具有充分利用SVM处理高维小数据性能的优越特点。验证实验结果表明，与传统的GMM-SVM系统相比，重组超矢量GMM—SVM说话人辨认系统显著地缩短了系统建模的时间，同时有效地提高了说话人的辨别率。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
