DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 김회린 | - |
dc.contributor.advisor | Kim, Hoirin | - |
dc.contributor.author | 김윤회 | - |
dc.date.accessioned | 2018-06-20T06:21:26Z | - |
dc.date.available | 2018-06-20T06:21:26Z | - |
dc.date.issued | 2017 | - |
dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=675367&flag=dissertation | en_US |
dc.identifier.uri | http://hdl.handle.net/10203/243261 | - |
dc.description | 학위논문(석사) - 한국과학기술원 : 전기및전자공학부, 2017.2,[v, 49 p. :] | - |
dc.description.abstract | Gaussian mixture model (GMM)-universal background model (UBM)으로부터 maximum a posteriori (MAP) 방법으로 적응된 화자의 GMM은 음성 특징 벡터들의 복잡한 분포를 확률적으로 잘 묘사하여 화자식별에 널리 쓰인다. 하지만 GMM-UBM의 복잡성에 비하여 주어진 음성 특징 벡터들의 수가 부족할 경우 화자의 GMM이 충분히 훈련되지 못해 화자식별력 저하를 야기한다. 본 학위논문에서는 GMM mean supervector 공간에서 factor analysis를 통해 얻은 작은 차원의 i-vector를 화자식별에 도입하여 화자식별 성능을 개선하고자 한다. 또한 i-vector는 화자 변동성뿐만 아니라 세션 변동성도 포함하기 때문에 같은 화자의 i-vector라도 세션에 따라 다른 값을 보여 준다. 본 학위논문에서는 세션 보상을 위해 probabilistic linear discriminant analysis (PLDA)를 사용한다. 전화환경에서 i-vector의 방향만을 고려하는 코사인 유사도 값으로 화자식별을 수행한 결과 MAP 방법으로 적응된 GMM을 사용한 화자식별에 비해 46.7%의 상대적 오류율 감소를 보여주었다. 추가적으로 PLDA 기반의 식별을 수행한 결과 코사인 유사도 기반의 식별에 비해 35.1%의 상대적 오류율 감소를 보여주었다. | - |
dc.language | kor | - |
dc.publisher | 한국과학기술원 | - |
dc.subject | GMM | - |
dc.subject | i-vector | - |
dc.subject | 화자식별 | - |
dc.subject | factor analysis | - |
dc.subject | PLDA | - |
dc.subject | speaker identification | - |
dc.title | i-vector와 PLDA를 사용한 텍스트 독립 화자식별 | - |
dc.title.alternative | Text-Independent Speaker Identification using i-vector and PLDA | - |
dc.type | Thesis(Master) | - |
dc.identifier.CNRN | 325007 | - |
dc.description.department | 한국과학기술원 :전기및전자공학부, | - |
dc.contributor.alternativeauthor | Kim, Yoon-Hoe | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.