利用EHMM和CLR的说话人分割聚类算法  

Speaker Diarization Using EHMM and CLR

作　　者：凌锦雯[1] 陆伟[1] 刘青松[1] 张琨磊[1] 

机构地区：[1]中国科学技术大学电子科学与技术系,合肥230027

出　　处：《小型微型计算机系统》2012年第6期1389-1392,共4页Journal of Chinese Computer Systems

摘　　要：针对传统的说话人分割聚类系统中,由于聚类时话者信息不足而影响切分准确度的问题,本文提出了一种基于进化隐马尔科夫模型和交叉对数似然比距离测度的多层次说话人分割聚类算法,在传统的话者分割聚类算法的基础上引入了重分割和重聚类的机制,以及基于距离测度和贝叶斯信息准则的分层聚类算法,有效的解决了传统方法中切分准确度受到话者信息制约的问题.在美国国家标准技术署(NIST)2003 Spring RT数据库上的实验结果表明,本文提出的算法比传统算法系统性能相对提高了41%.To solve the problem of speaker information deficiency affecting accuracy of segmentation in the conventional speaker dia- rization system, this paper proposes the method of multistage speaker segmentation and clustering algorithm based on EHMM and CLR. On the basis of traditional algorithm, we develop a resegmentation and reclustering scheme which combine with unsupervised segmentation algorithm based on GLR distance measure and a hierachical clustering algorithm based on BIC. Test on the national in- stitute of standards and technology （NIST） RT＇03 S corpus, by comparing the conventional one, more than 41% of relative diarization error is reduced.

关 键 词：说话人分割聚类 广义似然比 交叉对数似然比 进化隐马尔科夫模型 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]