资料下载
×
基于NMF后验特征优化的语音查询样例检测
消耗积分:2 |
格式:rar |
大小:1.84 MB |
2018-02-27
分享资料个
提出一种基于非负矩阵分解（ Nonnegative matrix factorization，NMF）后验特征优化和修正分段动态时间规整（Segmental dxrnamic time warping，SDTW）检索的无监督语音查询样例检测方法。该方法首先应用频域线性预测（Frequency domain linear prediction，FDLP）声学特征参数代替梅尔频率倒谱系数（ Mel-frequency cepstral coefficients，MFCCs）训练高斯混合模型（Gaussian mlxture model，GMM）模型，然后使用NMF算法对高斯后验特征矩阵进行分解，将得到的基矩阵作为子空间变换矩阵对原始后验特征投影，投影可以突出特征中主要分量，平滑距离矩阵。在检索阶段，使用多相邻输出得分对最佳匹配得分进行修正，用于代替标准SDTW算法的1-best输出得分。实验结果表明，在不增加检索时间的情况下，该方法相比应用MFCCs和FDI。P特征的基线系统性能提升明显，检索精度分别相对提升了18. 6%和18. 1%。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
