新穎之改善語者模型調適法與結構風險最小化分類器的應用; The Application of Novel Speaker Model Adaptation and Structural Risk Minimized Classifier

NCUIR > College of Electrical Engineering & Computer Science > Department of Electrical Engineering > Research Project > Item 987654321/45947

Please use this identifier to cite or link to this item: http://ir.lib.ncu.edu.tw/handle/987654321/45947

Title:	新穎之改善語者模型調適法與結構風險最小化分類器的應用;The Application of Novel Speaker Model Adaptation and Structural Risk Minimized Classifier
Authors:	莊堯棠
Contributors:	電機工程學系
Keywords:	資訊科學--軟體
Date:	2008-07-01
Issue Date:	2010-12-28 15:54:06 (UTC+8)
Publisher:	行政院國家科學委員會
Abstract:	一般藉由背景模型調適出語者模型的方法中，最普遍使用的為最大事後機率估測法，但此方法在有限的調適語料下，部份高斯分佈的模型參數因為無法獲得充分的調適語料，而未能進一步調整參數，這將使得語者模型喪失了鑑別的能力，並使得整個語者辨識的效能降低。為了解決這樣的問題，幾種有效的方法，如參考語者權重調適法、特徵語音調適法及最大相似度模型插入法等，主要是將目標語者模型運用其他參考語者的聲學模型做線性組合，然而其模型參數會受限於參考語者所生成的空間，因此亦限制其鑑別能力而降低語者辨識的效能。所以此計畫中，我們將結合最大事後機率估測法與參考語者權重調適法之所長，使模型參數的調適上能依據不同的調適語料量作調整，並建立模型參數的階層式關係，讓語者模型調適有最適當的處理。另外由於參考語者權重調適法在參考空間建立時，參考語者的選取會對其調適結果產生較大影響，針對於此我們將運用有別於樹狀結構方法的選取方式，以最大相似度選取參考語者及支撐向量機作動態選取參考的語者，藉此兩種方法將對其選取之參考語者最佳化，使參考語者權重調適法在調適時有更好的效果。最後我們亦將支撐向量機延伸至語者的辨識器上，以期再提升語者辨識的效能。研究期間：9608 ~ 9707
Relation:	財團法人國家實驗研究院科技政策研究與資訊中心
Appears in Collections:	[Department of Electrical Engineering] Research Project

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	487	View/Open

社群 sharing

Loading...