-
题名基于声学分段模型的无监督语音样例检测
被引量：2
- 1
-
-
作者
李勃昊
张连海
郑永军
-
机构
解放军信息工程大学信息系统工程学院
-
出处
《数据采集与处理》
CSCD
北大核心
2016年第2期407-414,共8页
-
基金
国家自然科学基金(61175017)资助项目
-
文摘
提出一种基于声学分段模型的无监督语音样例检测方法。该方法首先利用高斯混合模型(Gaussian mixture model,GMM)将训练数据频谱参数转换为后验概率特征向量,采用层次聚类算法确定后验概率的边界信息,得到声学分段;然后通过k-means算法将片段聚类并添加标签,构建基于后验概率的声学分段模型。检索时以模型对查询样例与检索文档的解码序列代替测量矩阵以降低检索时间,通过基于最小编辑距离的动态匹配检索查询项,最小编辑距离的代价函数由模型相似度距离矩阵修正。实验结果表明,相比GMM及传统声学分段模型,本文提出的方法性能更好,检索速度得到显著提升。
-
关键词
声学分段模型
语音样例检测
后验概率特征
无监督
-
Keywords
acoustic segment models
query-by-example spoken term detection
posterior features
unsu-pervised
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
