• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Tools with Artificial Intelligence >Robust Speaker Identification Using Greedy Kernel PCA
【24h】

Robust Speaker Identification Using Greedy Kernel PCA

机译：使用贪婪内核PCA的强大扬声器识别

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We propose a robust speaker identification system in noisy environments using greedy kernel principal component analysis. We expect that kernel PCA can project important information to some axes and the noise to some other axes in the arbitrary high dimensional space resulting in denoising of the input features. However, it is not easy to use kernel PCA for speaker identification because the storage required for the kernel matrix grows quadratically, and the computational cost grows linearly with the number of training vectors. Therefore, we use greedy kernel PCA which can approximate kernel PCA with small representation error. In the experiments, we compare the accuracy of the greedy kernel PCA with that of the baseline Gaussian mixture models using MFCCs and PCA in noisy environment. As the results, the greedy kernel PCA outperforms conventional methods.
机译：我们在嘈杂的环境中提出了一种强大的扬声器识别系统，使用贪婪的内核主成分分析。我们预计内核PCA可以将重要信息投影到某些轴和噪声中的任意高尺寸空间中的一些其他轴，导致对输入特征的去噪。然而，由于核矩阵所需的存储，不容易使用讲话者识别，因为内核矩阵所需的存储，并且计算成本随着训练向量的数量而直线地增长。因此，我们使用贪婪的内核PCA，它可以近似具有小表示错误的内核PCA。在实验中，我们使用MFCCS和PCA在嘈杂环境中比较贪婪内核PCA的准确性与基线高斯混合模型的准确性。结果，贪婪的内核PCA优于传统方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号