1) likelihood score compensation transformation
似然得分补偿变换
1.
Speaker recognition likelihood score compensation transformation under model mismatch;
说话人识别模型失配下的似然得分补偿变换
2) score compensation
得分补偿
1.
A score compensation approach based on speech code detector is proposed here.
提出了一种针对语音编码差异的似然比得分补偿方法,不但可以消除编码差异,还便于设计与编码无关的单一阈值。
3) likelihood score normalization
似然得分标准化
4) logarithm likelihood score
对数似然得分
1.
logarithm likelihood score is usually used as the criterion of judging the target speaker when testing by the speaker recognition system based on Gaussian Mixture Models (GMM).
基于高斯混合模型(GMM)的说话人识别方法通常采用对数似然得分作为测试时判定目标说话人的依据。
5) Self-adaptation compensation transformation
自适应得分补偿
6) frame likelihood transformation
帧似然概率变换
1.
Speaker model synthesis and frame likelihood transformation are adopted to improve the per
15kb/s之间的语音编码进行实验,分析编码算法、编码速率及编码失配对说话人识别系统性能的影响;针对编码失配使说话人识别系统性能下降的问题,采用说话人模型合成和帧似然概率变换两种方法进行补偿。
补充资料：位似变换
位似变换
honwdKty
位似变换你抓州触匆;rOMOTeT“】，亦称考谬担似挛攀 E成交空间关于一确定点口的一个变换，它把每个点M依照如下规则一一地对应于直线OM上的点M，: OM广=kOM，其中k是一不等于零的常数，称为位似比(homothety班山).点O称为位似变换中心(centi℃ofthehon幻-血勿).如果k>0，那么点M和M，在同一射线上;如果k
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