基于稀疏组LASSO约束的本征音子说话人自适应

TN912.34; 本征音子说话人自适应方法在自适应数据量不足时会出现严重的过拟合现象,提出了一种基于稀疏组LASSO约束的本征音子说话人自适应算法.首先给出隐马尔可夫一高斯混合模型下本征音子说话人自适应的基本原理;然后将稀疏组LASSO正则化引入到本征音子说话人自适应,通过调整权重因子控制模型的复杂度,并通过一种加速近点梯度的数学优化算法来实现;最后将稀疏组LASSO约束的自适应算法与当前多种正则化约束的自适应方法进行比较.汉语连续语音识别的说话人自适应实验表明,引入稀疏组LASSO约束后,本征音子说话人自适应方法的性能得到了明显提高,且稀疏组LASSO约束方法优于l1、l2和弹性网正则化方...

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 36; no. 9; pp. 47 - 54
Main Authors 屈丹, 张文林
Format Journal Article
LanguageChinese
Published 信息工程大学信息系统工程学院,河南郑州,450000 2015
Subjects
近点梯度法
group sparse constraint
组稀疏约束
说话人自适应
sparse group LASSO constraint
稀疏组LASSO约束
eigenphone
本征音子
proximal gradient method
speaker adaptation
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2015241

Cover

More Information
Summary:TN912.34; 本征音子说话人自适应方法在自适应数据量不足时会出现严重的过拟合现象,提出了一种基于稀疏组LASSO约束的本征音子说话人自适应算法.首先给出隐马尔可夫一高斯混合模型下本征音子说话人自适应的基本原理;然后将稀疏组LASSO正则化引入到本征音子说话人自适应,通过调整权重因子控制模型的复杂度,并通过一种加速近点梯度的数学优化算法来实现;最后将稀疏组LASSO约束的自适应算法与当前多种正则化约束的自适应方法进行比较.汉语连续语音识别的说话人自适应实验表明,引入稀疏组LASSO约束后,本征音子说话人自适应方法的性能得到了明显提高,且稀疏组LASSO约束方法优于l1、l2和弹性网正则化方法.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2015241