说话人分割聚类中的建模方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 说话人分割聚类简介 | 第13-16页 |
| 1.1.1 说话人分割聚类研究背景 | 第13-14页 |
| 1.1.2 国内外研究现状 | 第14-16页 |
| 1.2 NIST SRE数据库 | 第16-17页 |
| 1.3 评价指标 | 第17-18页 |
| 1.4 论文结构 | 第18-21页 |
| 第二章 基于全差异空间的说话人分割聚类系统 | 第21-37页 |
| 2.1 系统简介 | 第21页 |
| 2.2 说话人分割与聚类 | 第21-26页 |
| 2.2.1 贝叶斯信息准则 | 第22-23页 |
| 2.2.2 说话人分割 | 第23-24页 |
| 2.2.3 说话人聚类 | 第24-25页 |
| 2.2.4 重分割 | 第25-26页 |
| 2.3 模型训练 | 第26-30页 |
| 2.3.1 高斯混合模型 | 第26-28页 |
| 2.3.2 说话人自适应 | 第28-30页 |
| 2.4 全差异空间 | 第30-33页 |
| 2.5 iVector在说话人分割聚类中的应用 | 第33-34页 |
| 2.6 实验 | 第34-35页 |
| 2.7 本章小结 | 第35-37页 |
| 第三章 基于DNN的全差异空间建模 | 第37-51页 |
| 3.1 引言 | 第37页 |
| 3.2 DNN-HMM声学建模 | 第37-44页 |
| 3.2.1 受限玻尔兹曼机和深层置信网络训练算法 | 第38-41页 |
| 3.2.2 DNN训练算法 | 第41-43页 |
| 3.2.3 深度神经网络在声学模型中的应用 | 第43-44页 |
| 3.3 全差异空间建模 | 第44-47页 |
| 3.3.1 基于UBM的全差异空间建模 | 第44页 |
| 3.3.2 基于DNN的全差异空间建模 | 第44-47页 |
| 3.4 实验 | 第47-48页 |
| 3.5 本章总结 | 第48-51页 |
| 第四章 基于DNN的说话人类内短时语音段差异建模 | 第51-59页 |
| 4.1 引言 | 第51页 |
| 4.2 全差异空间建模存在的问题分析 | 第51-52页 |
| 4.3 说话人类内短时语音段差异补偿和建模 | 第52-57页 |
| 4.3.1 U矩阵估计 | 第53-54页 |
| 4.3.2 说话人模型训练 | 第54-55页 |
| 4.3.3 说话人模型补偿 | 第55-56页 |
| 4.3.4 说话人身份识别测试 | 第56-57页 |
| 4.4 实验 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 谱聚类 | 第59-73页 |
| 5.1 引言 | 第59页 |
| 5.2 传统谱聚类简介 | 第59-65页 |
| 5.2.1 NJW算法流程 | 第60页 |
| 5.2.2 相似图介绍 | 第60-62页 |
| 5.2.3 拉普拉斯图及其性质 | 第62-65页 |
| 5.3 谱聚类在说话人分割聚类中的应用 | 第65-69页 |
| 5.3.1 已知说话人数目 | 第65-68页 |
| 5.3.2 未知说话人数目 | 第68-69页 |
| 5.4 实验 | 第69-71页 |
| 5.5 本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-77页 |
| 6.1 论文工作总结 | 第73-75页 |
| 6.2 后续工作计划 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 在读期间发表的学术论文与取得的研究成果 | 第83页 |
