Исследование эффективности бустинга в задаче текстонезависимой идентификации диктора

• Published in: Искусственный интеллект
• Date: 2014
• Main Authors: Клименко, Н.С., Герасимов, И.Г.
• Format: Article
• Language: Russian
• Published: Інститут проблем штучного інтелекту МОН України та НАН України 2014
• Subjects: Распознавание речевых и зрительных образов
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/85277
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Исследование эффективности бустинга в задаче текстонезависимой идентификации диктора / Н.С. Клименко, И.Г. Герасимов // Искусственный интеллект. — 2014. — № 4. — С. 191–201. — Бібліогр.: 11 назв. — рос.

В статье рассмотрены особенности текстонезависимого подхода и основные этапы процедуры идентификации
 диктора. Предложена модификация типовой схемы идентификации при помощи предварительной сегментации
 речевого сигнала и структурирования базы моделей дикторов, а также объединения набора классификаторов
 акустических признаков в одно решающее правило обучением по алгоритму бустинга. Предложенные
 модификации повышают вероятность текстонезависимой идентификации и сокращают количество
 требуемых вычислений. У статті розглянуто особливості текстонезалежного підходу й основні етапи процедури ідентифікації диктора.
 Запропоновано модифікацію типової схеми ідентифікації за допомогою попередньої сегментації мовного
 сигналу і структурування бази моделей дикторів, а також об’єднання набору класифікаторів акустичних ознак
 в одне вирішальне правило навчанням за алгоритмом бустінгу. Запропоновані модифікації підвищують
 ймовірність текстонезалежної ідентифікації та скорочують кількість обчислень. In the article, features of text- independent approach and the main steps of the speaker identification procedure are
 considered. A modification of the standard identification scheme using pre-segmentation of the speech signal and the
 structuring of speaker’s models base, as well as merge a set of acoustic feature classifiers into a single decision rule by
 boosting algorithm. The proposed modification increases the likelihood of text independent identification and reduce the
 number of required computations.