...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Pattern Analysis and Machine Intelligence >Uncertain LDA: Including Observation Uncertainties in Discriminative Transforms
【24h】

Uncertain LDA: Including Observation Uncertainties in Discriminative Transforms

机译：不确定的LDA：包括判别变换中的观察不确定性

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Linear discriminant analysis (LDA) is a powerful technique in pattern recognition to reduce the dimensionality of data vectors. It maximizes discriminability by retaining only those directions that minimize the ratio of within-class and between-class variance. In this paper, using the same principles as for conventional LDA, we propose to employ uncertainties of the noisy or distorted input data in order to estimate maximally discriminant directions. We demonstrate the efficiency of the proposed uncertain LDA on two applications using state-of-the-art techniques. First, we experiment with an automatic speech recognition task, in which the uncertainty of observations is imposed by real-world additive noise. Next, we examine a full-scale speaker recognition system, considering the utterance duration as the source of uncertainty in authenticating a speaker. The experimental results show that when employing an appropriate uncertainty estimation algorithm, uncertain LDA outperforms its conventional LDA counterpart.
机译：线性判别分析（LDA）是一种模式识别功能强大的技术，可以减少数据向量的维数。它仅保留那些使类内差异与类间差异之比最小的方向，从而使可分辨性最大化。在本文中，使用与常规LDA相同的原理，我们建议采用噪声或失真的输入数据的不确定性来估计最大的判别方向。我们使用最新技术论证了在两个应用中提出的不确定LDA的效率。首先，我们尝试使用自动语音识别任务，其中观察结果的不确定性是由现实世界中的附加噪声引起的。接下来，我们将考虑说话时间作为身份验证者不确定性的根源，研究一个完整的说话人识别系统。实验结果表明，采用适当的不确定性估计算法时，不确定的LDA优于传统的LDA。

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