用于同时建模两个因子的联合 PLDA
机器学习
2019-11-27 v1 机器学习
摘要
概率线性判别分析（PLDA）是一种用于说话人或人脸识别等生物特征问题的方法，它使用两个潜变量对样本变异性建模：一个依赖于样本类别，另一个假设在样本间独立并建模类内变异性。本文提出 PLDA 的一种推广，能够联合建模两个样本相关因子：目标类别与干扰条件。该方法不改变 PLDA 的基本形式，而是修改训练过程以考虑建模类内变异性的潜变量在样本间的依赖性。虽然干扰条件的身份在训练时需要，但测试时不需要，因为我们提出了对相应潜变量边际化的打分过程。我们在多语种说话人验证任务上展示了结果，其中所说语言被视为干扰条件。我们表明，所提出的联合 PLDA 方法在该任务的两个不同数据集上均带来显著性能提升，尤其在训练数据主要或仅包含单语说话人时。
引用
@article{arxiv.1803.10554,
title = {Joint PLDA for Simultaneous Modeling of Two Factors},
author = {Luciana Ferrer and Mitchell McLaren},
journal= {arXiv preprint arXiv:1803.10554},
year = {2019}
}
备注
Submitted to Journal of Machine Learning Research