露西亚娜·费雷尔（Luciana Ferrer）、米切尔·迈凯轮（Mitchell McLaren）。
年份：2019年，数量：20，版本：24，页码：1−29
摘要
概率线性鉴别分析（PLDA）是一种用于说话人或人脸识别等生物特征问题的方法，它使用两个潜在变量对样本的可变性进行建模，一个变量取决于样本的类别，另一个变量假设在样本之间独立，并对类内可变性进行模型化。在这项工作中，我们提出了一种PLDA的泛化方法，该方法能够对两个样本相关因素进行联合建模：兴趣类别和干扰条件。该方法没有改变PLDA的基本形式，而是修改了训练程序，以考虑潜在变量样本之间的依赖性，这些潜在变量模型具有课堂可变性。虽然在培训期间需要确定滋扰条件，但在测试期间不需要，因为我们提出了一种在相应的潜在变量上边缘化的评分程序。我们显示了多语言说话人验证任务的结果，其中所说的语言被认为是一种令人讨厌的条件。对于两个不同的数据集，特别是当训练数据主要或仅包含单语说话人时，所提出的联合PLDA方法可以显著提高此任务的性能。
PDF格式
BibTeX公司