序列核支持向量机系统的广义性分析  

GENERALIZED ANALYSIS IN SEQUENCE KENNEL SVM

作　　者：魏宇[1] 史正伟 李鉴[3] 

机构地区：[1]中国联通南阳分公司网络维护中心,河南南阳473000 [2]中国移动通信河南有限公司网络管理中心,河南郑州450008 [3]南阳理工学院计算机与信息工程学院,河南南阳473000

出　　处：《南阳理工学院学报》2012年第4期14-17,共4页Journal of Nanyang Institute of Technology

摘　　要：在文本无关的说话人识别系统中,采用序列核作为核函数的支持向量机系统已经得到了广泛的应用。本文首先归纳出构造序列核的通用框架,并在此框架之上对高斯序列核和广义线性区分核两种目前运用比较成熟的序列核系统进行分析比较,说明特征空间中不同属性和层次的语音特征是如何通过不同的序列核来表征的。在NIST2006评测数据集中,识别率较传统的混合高斯模型-通用背景模型有显著提高。In the text- independent speaker recognition system, support vector machine（SVM） equipped with sequence kernel has been widely used. In this paper, a generic structure conceiving sequence kernel has been encapsulated and in the structure we make a analytical comparison between two well used sequence kernel system--GMM supervector kerne（GSK） and generalized linear discrimi- nant sequence（GLDS） showing how different attribute and levels of cues conveyed by speech utterances are being characterized within different sequence kernel. In the NIST 2006 SRE corpus, recognition rate improves significantly compared with the traditional GMM and universal background models（ GMM -UBM） system.

关 键 词：序列核 高斯超向量核 广义线性区分核 说话人识别 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]