• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Mexican conference on pattern Recognition >Reduced Universal Background Model for Speech Recognition and Identification System
【24h】

Reduced Universal Background Model for Speech Recognition and Identification System

机译：语音识别和识别系统的简化通用背景模型

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

摘要

Minimal Enclosing Ball (MEB) has a limitation for dealing with a large dataset in which computational load drastically increases as training data size becomes large. To handle this problem in huge dataset used for speaker recognition and identification system, we propose two algorithms using Fuzzy C-Mean clustering method. Our method uses divide-and-conquer strategy; trains each decomposed sub-problems to get support vectors and retrains with the support vectors to find a global data description of a whole target class. Our study is experimented on Universal Background Model (UBM) architectures in speech recognition and identification system to eliminate all noise features and reducing time training. For this, the training data, learned by Support Vector Machines (SVMs), is partitioned among several data sources. Computation of such SVMs can be efficiently achieved by finding a core-set for the image of the data.
机译：最小封闭球（MEB）对于处理大型数据集具有局限性，其中随着训练数据大小变大，计算量将急剧增加。为了解决用于说话人识别和识别系统的庞大数据集中的这一问题，我们提出了两种使用模糊C均值聚类方法的算法。我们的方法采用分而治之的策略。训练每个分解的子问题以获得支持向量，并使用支持向量进行再训练以找到整个目标类别的全局数据描述。我们的研究在语音识别和识别系统中对通用背景模型（UBM）架构进行了实验，以消除所有噪声特征并减少训练时间。为此，将由支持向量机（SVM）学习的训练数据划分为多个数据源。通过找到数据图像的核心集，可以有效地实现此类SVM的计算。

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