基于PLDA的说话人识别盲分数归一化方法
计算与语言
2016-02-24 v1 机器学习
声音
摘要
概率线性判别分析(PLDA)已成为说话人识别任务中建模 -向量空间的最先进方法。然而，若不同说话人的注册数据量不同，则会观察到性能下降。本文通过引入新的PLDA打分归一化技术，提出了针对该问题的解决方案。归一化参数以盲方式导出，因此不同于传统的 ZT-norm，不需要额外的开发数据。此外，所提方法在检测代价函数方面表现出最优性。在NIST SRE 2014数据库上的实验证明了在混合注册数量条件下的准确率提升。
引用
@article{arxiv.1602.06967,
title = {Blind score normalization method for PLDA based speaker recognition},
author = {Danila Doroshin and Nikolay Lubimov and Marina Nastasenko and Mikhail Kotov},
journal= {arXiv preprint arXiv:1602.06967},
year = {2016}
}
备注
4 pages, 1 figure, presented at the Interspeech 2015. In Sixteenth Annual Conference of the International Speech Communication Association 2015