지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록· 키워드
오류제보하기
본 논문에서는 커널 주성분 분석 (KPCA, kernel principal component analysis)으로 강화한 화자 특징을 이용하여 복수의 분류기를 학습하고 이를 앙상블 결합하는 화자 식별 방법을 제안한다. 이 때, 계산량과 메모리 요구량을 줄이기 위해 전체 화자 특징 벡터 중 일부를 랜덤 선택하여 커널 주성분 분석의 기저를 추정한다. 실험 결과, 제안한 방법이 그리디 커널 주성분 분석 (GKPCA, greedy kernel principal component analysis)보다 높은 화자 식별률을 보였다.
목차
등록된 정보가 없습니다.
참고문헌 (9)
참고문헌 신청
R. O. Duda / 2001 / Pattern Classification / John Wiley & Sons
B. Scholkopf / 1997 / Kernel Principal Component Analysis / Proceedings of International Conference on Artificial Neural Networks :583~588
J. Shawe-Taylor / 2004 / Kernel Methods for Pattern Analysis / Cambridge University Press
김민석 / 2008 / Greedy Kernel PCA를 이용한 화자식별 / 말소리 1(66):105~116
R. Polikar / 2006 / Ensemble based Systems in Decision Making / Circuits and Systems Magazine
B. Scholkopf / 1997 / Kernel Principal Component Analysis / Proceedings of International Conference on Artificial Neural Networks :583~588
J. Shawe-Taylor / 2004 / Kernel Methods for Pattern Analysis / Cambridge University Press
김민석 / 2008 / Greedy Kernel PCA를 이용한 화자식별 / 말소리 1(66):105~116
R. Polikar / 2006 / Ensemble based Systems in Decision Making / Circuits and Systems Magazine
이 논문의 저자 정보
최근 본 자료
댓글(0)
0