-
题名基于NMF后验特征优化的语音查询样例检测
- 1
-
-
作者
曹建凯
张连海
李勃昊
-
机构
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
2017年第6期1198-1207,共10页
-
基金
国家自然科学基金(61673395
61403415
61302107)资助项目
-
文摘
提出一种基于非负矩阵分解(Nonnegative matrix factorization,NMF)后验特征优化和修正分段动态时间规整(Segmental dynamic time warping,SDTW)检索的无监督语音查询样例检测方法。该方法首先应用频域线性预测(Frequency domain linear prediction,FDLP)声学特征参数代替梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCCs)训练高斯混合模型(Gaussian mixture model,GMM)模型,然后使用NMF算法对高斯后验特征矩阵进行分解,将得到的基矩阵作为子空间变换矩阵对原始后验特征投影,投影可以突出特征中主要分量,平滑距离矩阵。在检索阶段,使用多相邻输出得分对最佳匹配得分进行修正,用于代替标准SDTW算法的1-best输出得分。实验结果表明,在不增加检索时间的情况下,该方法相比应用MFCCs和FDLP特征的基线系统性能提升明显,检索精度分别相对提升了18.6%和18.1%。
-
关键词
无监督
查询样例检测
后验特征
非负矩阵分解优化
修正分段动态时间规整
-
Keywords
unsupervised
query-by-example spoken term detection
posterior feature
nonnegative ma- trix factorization （NMF） optimization
modified segmental dynamic time warping （SDTW）
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
