In this case the initial clustering

In this case the initial clustering is performed using the BIC method, described in the
previous section, which is then continued by introducing the GMMs in the second stage of
clustering. Before clustering, a Universal Background Model (UBM) with diagonal
Gaussians is built on training data to represent the general speakers. In addition, some kind
of feature normalization is applied to reduce the effects of the different acoustic
environments. Next, the clustering is performed using the agglomerative clustering scheme
presented in Section 2.2. The clusters are represented as GMMs and a cross log-likelihood
ratio (Gauvain & Lee, 1994) is used as a similarity measure. The GMM for each cluster is
obtained by a MAP adaptation (Reynolds et al., 2000) of the means of the pre-trained UBM.
Explicitly, for each cluster Ci its model Mi is MAP adapted from the UBM B using the feature
vectors xi belonging to that cluster. Then, the cross log-likelihood ratio between the two
clusters Ci and Cj is defined as (Barras et al., 2004):

Kết quả (Việt) 1:

Trong trường hợp này clustering ban đầu được thực hiện bằng cách sử dụng phương pháp BIC, được mô tả trong cácphần trước, sau đó được tiếp tục bằng việc giới thiệu các GMMs trong giai đoạn thứ hai củacụm. Trước khi clustering, một mô hình nền phổ quát (UBM) với các đường chéoGaussians được xây dựng trên đào tạo dữ liệu để đại diện cho những người nói chung. Ngoài ra, một số loạiCác tính năng bình thường được áp dụng để giảm các tác động của âm thanh khác nhaumôi trường. Tiếp theo, các cụm được thực hiện bằng cách sử dụng sơ đồ kết cụm agglomerativetrình bày trong phần 2.2. Các cụm được đại diện như là GMMs và một khả năng đăng nhập quatỷ lệ (Gauvain & Lee, 1994) được sử dụng như một biện pháp tương tự. GMM cho mỗi cụm làthu được bằng một phiên bản bản đồ (Reynolds và ctv., 2000) có nghĩa là UBM trước khi được đào tạo.Rõ ràng, cho mỗi cụm Ci Mi mô hình của nó bản đồ chuyển thể từ B UBM bằng cách sử dụng các tính năngvector xi thuộc cụm đó. Sau đó, giữa hai qua đăng nhập-khả năng tỷ lệcụm Ci và Cj được định nghĩa như là (Barras et al, 2004):

Kết quả (Việt) 2:

Trong trường hợp này các phân nhóm ban đầu được thực hiện bằng cách sử dụng phương pháp BIC, được mô tả trong các
phần trước, mà sau đó được tiếp tục bằng cách giới thiệu GMMs trong giai đoạn thứ hai của
nhóm. Trước khi phân nhóm, một nền mẫu Universal (UBM) với đường chéo
Gaussian được xây dựng trên dữ liệu huấn luyện để đại diện cho các loa nói chung. Ngoài ra, một số loại
của các tính năng bình thường được áp dụng để giảm tác động của âm thanh khác nhau
môi trường. Tiếp theo, các phân nhóm được thực hiện bằng cách sử dụng sơ đồ phân nhóm agglomerative
trình bày trong Phần 2.2. Các cụm được đại diện là GMMs và một chéo loga
tỷ lệ (Gauvain & Lee, 1994) được sử dụng như một biện pháp tương tự. Các GMM cho mỗi cụm được
thu được bằng một sự thích nghi MAP (Reynolds et al., 2000) của phương tiện của UBM trước được đào tạo.
Rõ ràng, đối với mỗi Ci cụm mô hình của nó Mi là MAP chuyển thể từ UBM B sử dụng tính năng
vector xi thuộc cụm đó. Sau đó, tỷ lệ loga chéo giữa hai
cụm Ci và Cj được định nghĩa là (Barras et al., 2004):