MMFeb, 2016

基于 PLDA 的说话人识别盲分数归一化方法

PDF
TL;DR该论文提出一种新的 PLDA 得分规范化技术来解决在说话人识别任务中，如果注册数据大小不同，则观察到性能下降的问题。该方法可以盲目地获取规范化参数，因此不需要额外的开发数据，并且在检测成本函数方面具有最优性。在 NIST SRE 2014 数据库上进行的实验表明，在混合注册人数条件下，准确性有所提高。
probabilistic linear discriminant analysisi-vector spacespeaker recognitionplda scoring normalizationdetection cost function
发现论文，激发创造
  • 一种基于层次判别式 PLDA 的语音识别模型

    本文介绍了一种基于概率线性判别分析模型的口语语言识别方法，该模型通过提取音频样本的嵌入向量得出语音信号的语言，并基于层次方法和最大熵准则进行训练，结果表明该识别方法可以用于高度相关的语言中并具有鲁棒性。

    Jan, 2022

  • 说话人分离的概率嵌入

    利用从短时间内的语音中提取的说话人 embedding（x-vectors）在说话人辨识任务中进行了竞争性表现，本文在该方案中提取了对角精度矩阵，用于衡量声音质量，并构建了概率说话人 embedding，将其作为输入应用于 AHC 算法用于辨识，接口与 PLDA 模型，实现对参数进行联合判别训练，与基础算法相比提高了精度。

    Apr, 2020

  • 使用非线性协方差矩阵估计器的正则化线性判别分析

    利用正半定岭估计器及非线性协方差矩阵估计器，本文提出了一种新颖的 NL-RLDA 分类器，并通过综合性能评估表明其在合成数据和真实数据上的有效性。与现有方法相比，该技术在多个数据集上均表现优异。

    Jan, 2024

  • 用谐波平均线性判别分析进行鲁棒性图像分类

    本篇论文介绍了一种基于调和均值的线性判别分析方法 -- 多类别判别分析，用于图像分类以及多标签的降维。实验结果表明，MCDA 在分类准确率、宏 F1 score 和微 F1 score 等方面优于其他单标签和多标签方法。

    Oct, 2016

  • 深度线性判别分析

    本文提出了 Deep Linear Discriminant Analysis（DeepLDA）方法，通过在深度神经网络中，学习可分离的线性潜在表示以进行分类的降维。作者的目标是最大化特征分布的相似度以推广传统的 LDA 算法，通过三个基准数据集的评估，DeepLDA 在 MNIST 和 CIFAR-10 上得到了竞争性的结果，在 STL-10 上也优于使用分类交叉熵进行训练的网络。

    Nov, 2015

  • 稀疏线性判别分析的直接估计方法

    本文研究高维数据的稀疏线性判别分析，提出了一种基于约束 L1 范数最小化，直接估计精度矩阵和均值向量差积的线性规划判别规则（LPD），该规则具有理论上的可行性和数值上的优越性，同时还能在无法一致估计精度矩阵和均值向量差时发挥作用。该规则应用于肺癌和白血病数据集分析中，表现出优异的表现。

    Jul, 2011

  • GO-LDA: 广义最优线性判别分析

    本文提出了一种新的多类别线性判别分析 GO-LDA 方法，通过构造每个步骤中最大化 Fisher 准则的正交鉴别方向可以分离投影数据。该方法在多种模式识别和分类问题上都能提高准确性。

    May, 2023

  • 最小信息线性判别分析：使用无标签数据训练 LDA 模型

    该论文研究了线性判别分析（LDA）方法在有限的先验信息下如何计算未标记数据的精确投影向量，并验证了该方法在适应非平稳数据方面的优势。

    Oct, 2023

  • 基于 JL 引理推导的优化投影用于判别式字典学习

    通过使用 JLSPCADL 方法，利用 Johnson-Lindenstrauss 引理选择转换空间的维度，并使用 Modified Supervised PC Analysis 与 JL 确定的维度的投影转换矩阵，建立一个具有更好分类性能的优化特征空间和字典原子的适当畸变水平和相应的适当描述长度。

    Aug, 2023

  • 基于核对齐的线性判别分析

    本文提出了基于核对齐理论的线性判别分析新公式 kaLDA，并使用 Stiefel 流形梯度下降算法，对多种单标签和多标签数据集的实验结果表明，kaLDA 有良好的性能表现。

    Oct, 2016