论文部分内容阅读
传统的GMM-TV（Gaussian Mixture Model-Total Variability，又称为i-vector）系统得益于它良好的识别效果以及优秀的识别效率，在语种识别LID（language identification）中得到广泛应用，然而载荷矩阵T的训练过程是无监督的，使得它的分类空间并没有得到最好的优化。已有的有监督TV（Supervised-TV，S-TV）算法，通过在均值超矢量上拼接一个带有标签信息的向量，使得r矩阵的训练过程变成一个有监督的过程，但是效果增长较弱，同时带来了载荷