基于时变多示例学习的性别识别

为了提高性别识别(gender identification)的识别率,提出了一种基于时变多示例学习(multi-instance learning)的性别识别方法。该方法将语音段作为多示例包,语音的声学特征矢量经过K均值(K-means)聚类生成包中示例。将男、女性语音包标记成不同类别后,利用EM-DD(expectation maximization diverse density)算法求解出男、女性语音的多密度点,提出了Bags-K近邻分类算法进行识别。实验结果表明,性别识别系统平均识别率可达97%。