鲍薇
- 作品数：2 被引量：0H指数：0
- 供职机构：江苏师范大学更多>>
- 发文基金：江苏省普通高校研究生科研创新计划项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于改进多样性密度的性别识别
- 2015年
- 为了避免大量计算来获取分类器阈值,提高性别识别的效率,提出了一种基于改进多样性密度的性别识别方法。该方法将男、女性训练语音包进行双类别多次标记,通过期望最大多样性密度算法进行多示例学习,得到两个多样性密度点,组成双点语言模型,提出示例近邻分类算法,选取多个示例进行模式分类。该方法综合考虑了男、女性语音样本对未知语音包的影响,不必进行阈值设定,减小了野点示例的影响,最终提高了系统的识别效率。
- 顾明亮张世形鲍薇
- 关键词：多示例学习性别识别K近邻
- 基于时变多示例学习的性别识别
- 2013年
- 为了提高性别识别(gender identification)的识别率,提出了一种基于时变多示例学习(multi-instance learning)的性别识别方法。该方法将语音段作为多示例包,语音的声学特征矢量经过K均值(K-means)聚类生成包中示例。将男、女性语音包标记成不同类别后,利用EM-DD(expectation maximization diverse density)算法求解出男、女性语音的多密度点,提出了Bags-K近邻分类算法进行识别。实验结果表明,性别识别系统平均识别率可达97%。
- 顾明亮张宁张世形鲍薇
- 关键词：多示例学习性别识别K均值
