优先度排序RBF神经网络在与文本无关说话人确认中的应用

该文介绍了优先度排序径向基函数（PORBF）神经网络的结构与算法，并提出了将其应用于与文本无关说话人确认时的训练算法，似然度的计算方法以及识别规则。为了增强PORBF网络的泛化能力，该文用压缩矢量构造抑制样本集，提出了顺序选取、最近邻选取和最远距离选取等3种选择抑制样本集中说话人的方法，并对PORBF神经元的输出进行了等比递减加权。在相同条件下的与文本无关说话人确认实验中，传统的矢量量化方法的等差错率可达10.56%，而基于PORBF网络的确认系统使用最近邻选择方法构造抑制样本集，其等差错率可达6.83%，性能提高很多。