基于后验概率特征的改进无监督语音样例检测

摘要：

针对现有无监督语音样例检测精度不高的现状,提出一种基于后验概率特征和主成分分析的方法.该方法首先利用无标注语料训练GMM,得到训练数据频谱参数的高斯混元后验概率特征向量序列;采用层次聚类算法检测其边界信息得到声学分段,利用K-means算法对所有声学分段聚类并添加标签,通过声学分段和标签训练基于后验概率的声学分段模型(ASMs);ASMs将查询项与检索文档的高斯混元后验概率转换为新的后验概率,利用主成分分析方法对其优化处理,保持概率向量维数不变,去除噪声信息,提高后验概率特征向量鲁棒性与区分性;最后通过分段动态时间规整算法检索查询项.实验证明该方法的检索精度较现有方法有显著提升.

关键词：无监督、语音样例检测、后验概率、声学分段模型、主成分分析

所属期刊栏目：16

分类号：TP391.42(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61175017

在线出版日期：2015-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：449-453