Исследование эффективности бустинга в задаче текстонезависимой идентификации диктора

• Опубліковано в: : Искусственный интеллект
• Дата: 2014
• Автори: Клименко, Н.С., Герасимов, И.Г.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2014
• Теми: Распознавание речевых и зрительных образов
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/85277
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: 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.