Discriminative classifiers for speaker recognition [Elektronische Ressource] / von Marcel Katz

otto-von-guericke-universitat_magdeburg

Le téléchargement nécessite un accès à la bibliothèque YouScribe
Tout savoir sur nos offres

149 pages

Deutsch

Le téléchargement nécessite un accès à la bibliothèque YouScribe
Tout savoir sur nos offres

A propos
Informations
Extrait

Description

Sujets

Informatik

Informations

Publié par	otto-von-guericke-universitat_magdeburg
Publié le	01 janvier 2008
Nombre de lectures	10
Langue	Deutsch
Poids de l'ouvrage	1 Mo

Extrait

G
R
U
B
E
D
G
A
M
T
Ä
T
I
S
R
E
V
I
DisserGradesFingscDoktoringenieurrer.nat.(Dr.-Ing.)2008vDiscriminativonuthDipl.-Ing.(FH)quiumMarcelzurKatzSpgeb.ademiscamW01.Dr.-Ing.OktobPromotionsker05.1975desinaBonnergenehmigtClassiersdurcter:hDr.dieAndreasFendemakult?tProf.f?rTimElektrotecheidthnikolloundamInformationstecM?rzhenakderErlangungOtto-vtionon-GuerictkRecognitione-Univeakersit?tforMagdeburgeGutachhnikProf.
N
U
-
E
K
C
I
R
E
U
G
-
N
O
V
-
O
T
T
OyTandotsmmywifeparenbZusammenfassungtraditionellenBedingtonzipiertdurcderheitdenwwungssystemacdiehsendenliertBedarfkaneinenSicundherheitsanwirdwerteilungenendungeneistausged?nndievEr-WkheennwirdungtersceinerLernsticPMerkmalsversondieanhandungsleistungderhnikStimmewzudereinemung.IninteressenscgistichtlinearewtenerpunktzurimdieBereiceithaucderWAuthendiesemtikhererkationsvdieerfahrenenngewwieorden.erstenTKlassiziererraditionellSpracbasierendassVher-infahrenImzurStandSprecdes,hermohprobdellierungheinKlassizierern,derbiniert.SprechererkhererkeineennSVMungArbscKernelh(SKLR),wnicerpunktm??igeiterungaufkgenerativhenenImKlassikmoationsmethoSKLRden,pwieheinlicbKlassenzuge-eispielswlieferteiseaufdeneiseGauss'scheinlichene.Miscechneuevungsumgebungerteilungs-Moimplemendellenei(GMMs).heInenderkleinej?ngerenf?rFen.orscennhdiskriminativungaufwdererdenangewje-wirddowcalshSKLRaucMethohErkalternativerlegeneeitenKlassikdemationsmethoTdentsprecwiehererkzumgro?eBeispielkdiehesSupphortdiskriminativVesonde-ectorkMachhineSprec(SVM)ennerfolgreicAlshAlternativinzurvwirderscdieserhiedeneneitGebietenSparsederLo-Musterer-Regressionkeineennte,ungheingesetzt.ErwBegr?ndetderine-derannstatistisclogistischenRegression,Lernorgestellt.theorieGegensatzzeicSVMhnendel-sicdiehdirektdieseaalternativosteriorienahrscKlassiziererhkdurceinerhh?rigkeineundsehrdahergutehGeneralisierungsf?higknat?rliceitWaus.eineAufgrundahrscdessenh-weitsausgaberdenZudieseZwsokgenanneinetenSprecdiskriminativennenkMethounddentiert,auczwhungezielthiedlicimErkBereicungsans?tzehth?lt,derf?rSprecsohererkeinenenngro?eunghprobalsImvielvErkersprecungsansatzhendererdenAnsatzezurdirektVdenerbektorenesserungparametrisiertenderheErkendetennesungsleistunggezeigt,diskutiert.soImohlRahmenSVMdieseraucFdieorscderhGMM-ungdeliegtderderennSc?bhsind.wzwerpunktAnsatzderein,vneuestenorliegendenderArbeceiteninhen-derSprecEnenntf?rwicLernsticklungenundonzipiert,InelctegrationGauss'scvMiscerscvhiedenermitdiskriminativenerinsbKlassizie-rererSKLR,inomdenBereichererkvigetestetDar?btiertenerArbhinausonwanerkerdenMedieninungs-dieserderArbf?h-eiterdenvh-ersceinschiedeneergleicMethoaktuellendenunserederhMerk-ennmalsextraktionTausAlleSpracerfahrenhsignaleninf?rtendiebankSprecwurdenhererkinennImungmitaufaufgro?enorscLern-erreicsticorgestelltenhprobungssystemeenertigeunesseretersucvheinzelnent.eilsystemenEsren.wirdpr?sengezeigt,VdasswderaufEinsatzternationalvannonSpracFdatenusionsans?tzenendieundmehrereinThl?gigeneilsystemeternationalenkpubliziert.omVbinierenhzuandereneinereitensignikdemanFtenhVstanderbhenesserungvderSprecErkennenngleicungsleistungwgegeno?bberErkdemungsleistungen.Einsatzoutput.Abstractsystem.Dueeectosubsystems.theforgroerwingapplicationneedrecognitionfordesignedsecuritapproacySKLRapplicationsMixturespeakeakverandrecognitionerformance.aseakthewbiometriccalledtaskdirectlyofthatauthentheticatingtrainingaandclaimandierenttrainingbbineyerformancevaluatedoicemedia.hasequalcurrenvidestlyreasonbvi-ecomewhicarecognitionfoforcusInofeinectorsterest.itTasraditionallyGMMapproacaheslargeinthatthewithareaSKLRofespmethoeaklargeershorecogni-hemestionawoferethemainlyapproacbasedrecognizedoningenerativourestate-of-the-artclassiersbliknaturallyeprobabilitGaussianorMixturenewMorecognitiond-telsimplemen(GMMs).includesHodierenwhes,evander,(themoretrainingrecenrsttlytheotherareclassiersfeaturelikparameterizedeframesSuppshoortoth,VellectorerformMacds.hinesapproac(SVMs)sphasystemvteisbbineseendelssuccessfullyeappliedtegratestotosevurthermore,eralveldsfeatureofforpatternrecognitionrecognition.tTheseItdiscriminativthatefusionclassiershwhicsubsystemshtarementheoreticallyrecognitionderivcomparisonedoffrompresenstatisticalarelearningintheorypobtainereainhighcomparisongeneralizationeakabilitwithyrev.signicanThereforerecognitionthesethereforesoprocalledadiscriminativyeFmethothisdsahaspvereenalsoronmenbiseenanddiscussedtedashatpromisingoapproacthapproactoonesplimitedecicallyoneimprolargevsoeextended)pdata.erformancetheofrecognitionspheakdiscriminativerclassiersrecognitionappliedsystems.onFvollofromwingspthishtrainandofisthoughwnt,bthisSVMwworkasfooutpcusestraditionalonmethotheIndevsecondelopmenhtstate-of-the-artandeakinrecognitiontegrationforofamoundierenoftdatadiscriminativdesignedecomclassiersGaussianinMoto(GMM)thediscriminativeldclassiersofinsptheeakinerthisrecog-Fnition.wAsinanestigatealternativteextractiontodsthespSVMerwoneamounpresenoftdata.theisSparsewnKerneltheLogisticofRegressionsc(SKLR),whicacomsparsethesenon-linearyieldexpansionsignicanofimprothee-wtelltheknopwninLogis-toticapplicationRegression.singleInAllcontedtrasthestoevSupponortternationallyVcor-ectororaMacwhinespublishedtheappropriateSKLRternationaldirectlyThemoofdelssptheerpsystemsosteriorotherprobabilitsystemsyealedoforclasstlymemetterbpershipandviiistateAurther,cthisknowifewledgmenytsmIcondencewturn!oulddolikmeebtogroupsexpressymnallyypushingsincerekgratitudemetoIProffamilyAndreasearsWnotendemSpuththeforHechisarmestsupptheirortwandthankshelpfulencouragemenadvisewotovyerforthetlastwythankears.andHesuppmadelastmwithoutywresearcvhppthanksossiblecolleaguesbvisationye.V.includingtsprung.meytotohistsgrouportatmantheys.Otto-vyon-Guericmkforepatience,univtrust.ersityyare.Otto-vIunivwishthetohsenthanksuppmencouragemenytocolleagues,thisespork.eciallydeeplyMartinmScfriendsha?ner,wholeSvforenortingKr?gerthroughoutandyEdinandAndelicwhomforthesiscounouldtlesshavealuableeenandossible.helpfulecialdiscussions.toMartin,ythankofyimprooutheatersoKunstrasenmanduchhFformwworldwidethanksclustermsuppparenort!forIsuppamandgratefulintoyProfaG?nAndtermMeierdearestfortoinytroAndreaducinghermet,tolistening,theandwNoorldit'sofourspThankseecduehtherecognition.on-GuericHisescienersitticandenfederalthSacusiasmAnhalthasnancialgivort.enwledgmenxknoAtsc

Univers
Ebooks
Livres audio
Presse
Podcasts
BD
Documents

Discriminative classifiers for speaker recognition [Elektronische Ressource] / von Marcel Katz

Informatik

YouScribe

Le catalogue

Le service

Les conditions