抄録
RE-001
GMMの分布選択に基づくアンカーモデルのクラスタリングによる話者認識
◎細川光政・西田昌史・山本誠一（同志社大）
本研究ではUBMを初期モデルとしてMAP推定によりアンカーモデルを学習する際に得られる事後確率に着目し，事後確率が大きい上位の分布のみを選択してクラスタリングならびにアンカーモデルによる認識を行う手法を提案する．事後確率が大きい分布はその話者の特徴を顕著に表していると考えられるので，それらの分布にしぼることでクラスタリングならびに認識の処理を高速化することができると考えられる．本手法の有効性を示すために，従来よく用いられているBayesian Information Criterion (BIC)に基づく話者クラスタリング手法との比較実験を行う．