用于概率线性判别分析的协方差正则化
声音
2022-12-07 v1 音频与语音处理
摘要
概率线性判别分析（PLDA）常用于说话人验证系统以对说话人嵌入的相似性打分。近期研究通过对角化其协方差提升了 PLDA 在域匹配条件下的性能。我们怀疑这种粗暴的剪枝方法会消除其建模说话人嵌入维度相关性的能力，导致域自适应时性能不足。本文探讨两种替代的协方差正则化方法，即插值 PLDA 与稀疏 PLDA，以解决该问题。插值 PLDA 融入来自余弦打分的先验知识以插值 PLDA 的协方差。稀疏 PLDA 引入稀疏惩罚来更新协方差。实验结果表明，两种方法的域自适应性能均明显优于对角正则化。此外，在训练稀疏 PLDA 进行域自适应时，域内数据可显著减少。
引用
@article{arxiv.2212.03039,
title = {Covariance Regularization for Probabilistic Linear Discriminant Analysis},
author = {Zhiyuan Peng and Mingjie Shao and Xuanji He and Xu Li and Tan Lee and Ke Ding and Guanglu Wan},
journal= {arXiv preprint arXiv:2212.03039},
year = {2022}
}