用于说话人验证的PLDA多目标优化训练
声音
2018-11-13 v2 机器学习
音频与语音处理
摘要
当前大多数最先进的文本无关说话人验证系统采用概率线性判别分析（PLDA）作为后端分类器。PLDA的参数通常通过最大化目标函数来估计，该方法侧重于增大对数似然函数的值，却忽略了说话人之间的区分度。为了更好地区分说话人，我们提出了一种PLDA的多目标优化训练方法。实验结果表明，所提方法在NIST SRE14 i-vector挑战数据集上的EER和MinDCF均获得超过10%的相对性能提升，在MCE18数据集上的EER获得约20%的相对性能提升。
引用
@article{arxiv.1808.08344,
title = {Multiobjective Optimization Training of PLDA for Speaker Verification},
author = {Liang He and Xianhong Chen and Can Xu and Jia Liu},
journal= {arXiv preprint arXiv:1808.08344},
year = {2018}
}