基于多层网络共识函数的鲁棒语音识别
计算与语言
2015-07-23 v1 机器学习
摘要
聚类集成 (clustering ensemble) 将某一指定数据的多个划分融合为单一的聚类解。聚类集成已成为一种用于改善无监督分类结果的鲁棒性与稳定性的有力方法。聚类集成的主要问题之一是寻找最佳的共识函数 (consensus function)。从不同的聚类结果中得到最终划分需要分类算法的熟练度与鲁棒性。此外，共识函数的主要问题在于其对所使用数据集质量的敏感性。该局限性源于噪声、静音或冗余数据的存在。本文提出了一种基于多层网络 (multilayer networks) 技术以及维护数据库方法的聚类集成新共识函数。该维护数据库方法用于处理任意给定的含噪语音，从而保障数据库质量。这能够生成良好的结果与高效的数据划分。为证明其有效性，我们使用来自 Aurora 语音数据库的失真语音进行了实证评估来支持我们的策略。
引用
@article{arxiv.1507.06023,
title = {Robust speech recognition using consensus function based on multi-layer networks},
author = {Rimah Amami and Ghaith Manita and Abir Smiti},
journal= {arXiv preprint arXiv:1507.06023},
year = {2015}
}
备注
06 pages