6P-7
GMM間のKL距離に基づくAnchor Model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）
従来のアンカーモデルではアンカーモデルを無作為に選択しており，認識対象以
外の多数のモデルを必要としていた．本研究では，Universal Background
Modelを初期モデルとしたMAP推定によりアンカーモデルのGMMを学習し，
そのGMM間のKL距離に基づいてアンカーモデルを階層的にクラスタリング
する手法を提案する．本手法により，音響的に類似したアンカーモデル数を削減し，
効率的な認識を実現することができる．本手法の有効性を示すために，従来手法
としてBICに基づく話者クラスタリング手法との話者認識による比較実験を行った．