多层前馈神经网络组的文本无关说话人识别

摘要：

本文提出了一种通过聚类和引入中心向量建立起说话人样本特征的方法,利用多层前馈神经网络对特征空间非线性划分能力,实现了一个基于网络组的说话人识别系统.通过对网络组的识别能力进行比较,该方法能较准确快速的训练网络,适应网络容量的增长.在以反映说话人声道特征的LPCC系数作为特征向量试验中,结果令人满意.

关键词： 多层前馈神经网络 文本无关 说话人识别 声道特征

作者: 肖剑 欧贵文

作者单位: 中山大学计算机系

会议类型: 国内会议

会议名称: 第七届全国人机语音通讯学术会议

会议地点: 厦门

会议语种:中文

页码: 305-307

在线出版日期: 2003-11-01（万方平台首次上网日期，不代表论文的发表时间）