论文研究 基于改进多样性密度的性别识别.pdf

为了避免大量计算来获取分类器阈值，提高性别识别的效率，提出了一种基于改进多样性密度的性别识别方法。该方法将男、女性训练语音包进行双类别多次标记，通过期望最大多样性密度算法进行多示例学习，得到两个多样性密度点，组成双点语言模型，提出示例近邻分类算法，选取多个示例进行模式分类。该方法综合考虑了男、女性语音样本对未知语音包的影响，不必进行阈值设定，减小了野点示例的影响，最终提高了系统的识别效率。