Sparse maximum a posteriori 적응기법을 이용한 SVM 화자 검증SVM based speaker verification using sparse maximum a posteriori adaptation

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 680
  • Download : 0
Maximum A Posteriori (MAP) 적응 기법은 입력된 음향 특징 벡터열로 universal background model (UBM)을 적응시켜 Gaussian mixture model (GMM) supervector를 생성하는 강력한 방법이다. GMM supervector를 특징벡터로 사용하는 support vector machine (SVM) 기반 텍스트 독립적 화자 검증 시스템에서는 일반적으로 추정해야할 파라미터가 많고, 특수한 적용 상황에서는 입력되는 발화의 길이 또한 제한적일 수 있다. 이와 같은 상황에서는 GMM-SVM 화자 검증 시스템에서 사용하는 MAP 적응 기법에서 일부 신뢰할 수 없는 움직임이 나타날 수 있고, 이를 적응 잡음이라고 한다. 본 학위 논문에서는 이러한 문제를 sparse MAP 적응 기법을 도입하여 해결하는 방법을 제안한다. Sparse MAP 적응 기법은 L0 norm 제약을 MAP criteria에 포함하여 sparsity를 야기하고, 적응 잡음을 감소시킨다고 알려져 있다. 성능 평가를 통해 기존의 MAP 적응 기반 GMM-SVM 화자 검증 시스템 대비 제안하는 시스템에서 equal error rate 성능을 기준으로 상대적으로 42.6%의 성능 향상을 확인하였다.
Advisors
김회린researcherKim, Hoi-Rin
Description
한국과학기술원 : 전기및전자공학과,
Publisher
한국과학기술원
Issue Date
2013
Identifier
513269/325007  / 020113194
Language
kor
Description

학위논문(석사) - 한국과학기술원 : 전기및전자공학과, 2013.2, [ vi, 44 p. ]

Keywords

화자 검증; 화자 인식; speaker recognition; maximum a posteriori adaptation; GMM-SVM; sparse MAP; speaker verification

URI
http://hdl.handle.net/10203/181036
Link
http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=513269&flag=dissertation
Appears in Collection
EE-Theses_Master(석사논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0