基于归一化最大特征间隙的说话人日志自动调参谱聚类
音频与语音处理
2020-06-29 v1 机器学习
摘要
在本研究中，我们提出一种新的谱聚类框架，可在说话人日志任务中自动调整聚类算法的参数。所提框架利用归一化最大特征间隙（NME）值来估计谱聚类过程中聚类数目以及亲和度矩阵各行元素阈值的参数，而无需在开发集上进行参数调优。即便采用这种无需人工干预的方法，我们在多个评估集上仍取得了与传统聚类方法（应用精细参数调优与开发数据）相当或更优的性能。在著名的 CALLHOME 评估集上，说话人错误率相对提升 17%，表明了我们所提自动调参谱聚类的有效性。
引用
@article{arxiv.2003.02405,
title = {Auto-Tuning Spectral Clustering for Speaker Diarization Using Normalized Maximum Eigengap},
author = {Tae Jin Park and Kyu J. Han and Manoj Kumar and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:2003.02405},
year = {2020}
}
备注
in IEEE Signal Processing Letters, 2020