1) text-independent
与文本无关
1.
The Text-independent Speaker Recognition Algorithm Based on ARVM;
基于ARVM的与文本无关的说话人识别算法
2.
Vector quantization(VQ),without regard to the difficult speech segment and the complex time warping,is a useful and simple method for text-independent speaker recognition.
论文根据说话人识别中训练语音的特点并结合快速搜索算法,对矢量量化的码书形成算法进行了改进,提出了一种基于改进算法的与文本无关的说话人识别方法。
3.
The text-independent speaker recognition is an important part of speaker recognition.
与文本无关的说话人识别方法是当前说话人识别技术的研究重点。
2) text independent
文本无关
1.
An improved speaker recognition system is implemented for text independent speaker recognition system with Twin Support Vector Machines(TWSVMs)and feature extraction based on Gaussian Mixture Models(GMMs).
实现了一个基于双分界面的支持向量机的文本无关说话人识别系统,该系统在建立模型的过程中使用高斯混合模型进行特征提取,有效地减少了数据集的规模。
2.
Based on Bayesian network theory and according to the task of speaker recognition with text independent, a Bayesian network structure for speaker recognition was presented.
基于贝叶斯网络基础理论,并针对与文本无关说话人识别任务,构造了一种用于说话人识别的贝叶斯网络结构,给出了该网络模型的构造和参数估计方法,提出了进行说话人识别时进行推理和分类预测的算法。
3.
In this paper,a text independent speaker verification method based on the information of candidate sequences of speech segment identification is described.
本文提出了一种基于语音分段辨认序列信息的与文本无关的说话人确认方法 ,并且着重分析了其中关键因素的变化 ,包括聚类数、阈值以及判定准则的变化 ,对确认效果的影响。
3) text-independent
文本无关
1.
Research of Text-Independent Speaker Recognition Based on VQ and GMM;
基于VQ和GMM的与文本无关的说话人识别研究
2.
The text-independent speaker identification system is designed through Improved VQ(Vector Quantization)-HMM(Hidden Markov Model) algorithm.
在虚拟仪器平台上,通过微型麦克与计算机声卡对语音信号进行实时采集,并进行消噪处理和端点检测,以美尔频率倒谱系数及其差分作为特征参数提取方法,应用改进的矢量量化-隐马尔可夫识别算法,设计了与文本无关的说话人识别系统。
3.
Finally,the Gaussian mixture model-universal background model(GMM-UBM) is used to establish the text-independent speaker verification system.
提出一种可用于较少语音数据量的文本无关的超音段信息提取方法。
4) text-independent speaker recognition
与文本无关说话人识别
1.
Based on the statistic characteristic of frame likelihood probability output by Gaussian mixture model(GMM)which is the best text-independent speaker recognition model,likelihood score compensation transformation as a non-linear transform method is presented.
基于与文本无关说话人识别最常用的模型——高斯混合模型(GMM)的输出帧似然概率的统计特性,提出了一种非线性变换方法——似然得分补偿法。
2.
It is according to the statistical characteristic of the frame likelihood probability in the text-independent speaker recognition system based on GMM.
从基于GMM的与文本无关说话人识别系统的帧似然概率的统计特性出发,提出了一种对目标和非目标模型帧似然概率进行补偿变换的方法。
5) Text-independent speaker identification
文本无关话者辨识
6) text independent speaker identification
"文本无关"说话人辨认
补充资料：标度无关性
粒子碰撞现象在高能极限下，决定碰撞截面的独立变量数目通过复合成无量纲参量而减少的性质。在轻子对强子的深度非弹性散射过程中，实验中直接测量到的量是轻子在碰撞过程中的能量转移和四维动量转移。因此一般说来，描述这个碰撞过程性质的结构函数应是这两个独立变量的函数。1969年J.D.布约肯首先提出在高能极限下，结构函数将实际上只是由这两个独立变量之比给出的一个无量纲变量的函数，这就是布约肯标度无关性。对实验分析表明，即使在能量远未达到高能极限时，就已显示足够好的标度无关性；但精确的实验测量又显示,标度无关性是一个较好的近似规律性,但不是严格成立的，总混有一定程度的破坏。在研究高能多重产生现象时也发现有标度无关性。在大量粒子产生时，每个新产生的粒子的动量沿碰撞方向的分量(即纵动量)取不同值，需要研究的是新产生的粒子纵动量的分布情况。高能多重产生时的标度无关性表现为在入射能量足够高时新产生粒子的纵动量分布可以通过一个与入射动量无关的函数给出，而这个函数的自变量则是新产生粒子纵动量与入射能量的比值。
高能碰撞下的标度无关性反映了在高能时强子内部各组成成分可以近似看作是自由的。
高能碰撞下的标度无关性反映了在高能时强子内部各组成成分可以近似看作是自由的。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条