FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2076596114> ?p ?o ?g. }

• W2076596114 endingPage "140" @default.
• W2076596114 startingPage "131" @default.
• W2076596114 abstract "Text-dependent speaker identification performance is investigated for small groups of speakers in which each speaker in a group is assigned the same sentence-long password utterance. Password utterances are modeled by whole-phrase hidden Markov models (HMMs). Several model construction conditions are studied. Baseline maximum likelihood estimate (MLE) models are constructed from three same-session training utterances. Minimum classification error (MCE) models are constructed using the training utterances of all speakers in a group. In addition, models are constructed using additional test utterances from speakers in the group or additional utterances from speakers outside the group. Results show that error rates approximately double from 5-speaker groups to 10-speaker groups. MCE models provide about 25% improvement in closed- and open-set identification error rates, but less improvement, about 10% in imposter accept rates. The greatest improvements are obtained, for both MLE and MCE models, when customer test utterances augment the training utterances. For MCE models closed-set identification error rates are approximately 0.4% and 0.6% for 5- and 10-speaker groups, respectively, while imposter accept rates are approximately 4% and 10%, respectively, when customer reject rates are 5%. Cet article étudie les performances d'un système d'identification du locuteur en mode dépendent du texte pour un petit ensemble de locuteurs. Une telle application de reconnaissance du locuteur s'avàre utile dans des applications à base d'agents où une réponse personalisée à une commande générale comme “lire mes messages” est souhaitable. Une phrase commune à tous les locuteurs est utilisée comme mot de passe, chaque locuteur disposant de son modèle acoustique de phrase représenté par un modèle de Markov caché (HMM). Différentes méthodes d'estimation de modèles sont étudiées: l'une fondée sur un critère du maximum de vraisemblance (MLE), l'autre sur un critère du minimum d'erreurs de classification (MCE). Pour chaque locuteur, 3 répétitions de la phrase mot de passe provenant d'une session unique sont utilisées comme données d'apprentissage. Le modèle MLE de chaque locuteur est estimé à partir des données d'apprentissage associées, alors que le modèle MCE est construit à partir de toutes les phrases d'apprentissage du groupe de locuteurs. Dans une autre série d'expèriences, des phrases d'apprentissage supplémentaires, provenant soit des locuteurs du groupe, soit de locuteurs externes au groupe, sont utilisées pour estimer les modèles. Les résultats expérimentaux montrent que les taux d'erreurs d'identification sont multipliés par 2 lorsque l'on passe d'un ensemble de 5 locuteurs à un ensemble de 10 locuteurs. Les taux d'erreurs d'identification en ensemble ouvert et fermé sont réduits de 25% lorsque MCE est utilisé à la place de MLE, alors que les taux de fausse acceptation d'imposteurs diminuent d'environ 10%. L'amélioration la plus importante est obtenue lorsque des phrases additionnelles sont utilisées pour l'apprentissage, à la fois pour les modèles MLE et MCE. Sous cette configuration, avec les modèles MCE, les taux d'erreurs d'identification sont approximativement 0.4% et 0.6% pour les ensembles de 5 et 10 locuteurs, alors que les taux d'acceptation des imposteurs sont respectivement de 4% et 10%, pour un taux de faux rejet de 5%." @default.
• W2076596114 created "2016-06-24" @default.
• W2076596114 creator A5005881531 @default.
• W2076596114 creator A5025786251 @default.
• W2076596114 creator A5061295857 @default.
• W2076596114 date "2000-06-01" @default.
• W2076596114 modified "2023-10-17" @default.
• W2076596114 title "Small group speaker identification with common password phrases" @default.
• W2076596114 cites W1583748908 @default.
• W2076596114 cites W1602474995 @default.
• W2076596114 cites W1949536478 @default.
• W2076596114 cites W1985979081 @default.
• W2076596114 cites W1988530429 @default.
• W2076596114 cites W2005295379 @default.
• W2076596114 cites W2050693797 @default.
• W2076596114 cites W2063541597 @default.
• W2076596114 cites W2069883713 @default.
• W2076596114 cites W2102252988 @default.
• W2076596114 cites W2108105213 @default.
• W2076596114 cites W2135936685 @default.
• W2076596114 cites W2136859047 @default.
• W2076596114 cites W2142775654 @default.
• W2076596114 cites W2153952064 @default.
• W2076596114 cites W2158289097 @default.
• W2076596114 cites W2163065939 @default.
• W2076596114 cites W2167357835 @default.
• W2076596114 cites W4300792768 @default.
• W2076596114 doi "https://doi.org/10.1016/s0167-6393(99)00074-6" @default.
• W2076596114 hasPublicationYear "2000" @default.
• W2076596114 type Work @default.
• W2076596114 sameAs 2076596114 @default.
• W2076596114 citedByCount "4" @default.
• W2076596114 countsByYear W20765961142012 @default.
• W2076596114 countsByYear W20765961142014 @default.
• W2076596114 countsByYear W20765961142019 @default.
• W2076596114 crossrefType "journal-article" @default.
• W2076596114 hasAuthorship W2076596114A5005881531 @default.
• W2076596114 hasAuthorship W2076596114A5025786251 @default.
• W2076596114 hasAuthorship W2076596114A5061295857 @default.
• W2076596114 hasConcept C133892786 @default.
• W2076596114 hasConcept C149838564 @default.
• W2076596114 hasConcept C154945302 @default.
• W2076596114 hasConcept C169903167 @default.
• W2076596114 hasConcept C204321447 @default.
• W2076596114 hasConcept C23224414 @default.
• W2076596114 hasConcept C2775852435 @default.
• W2076596114 hasConcept C2776224158 @default.
• W2076596114 hasConcept C2777530160 @default.
• W2076596114 hasConcept C28490314 @default.
• W2076596114 hasConcept C40969351 @default.
• W2076596114 hasConcept C41008148 @default.
• W2076596114 hasConceptScore W2076596114C133892786 @default.
• W2076596114 hasConceptScore W2076596114C149838564 @default.
• W2076596114 hasConceptScore W2076596114C154945302 @default.
• W2076596114 hasConceptScore W2076596114C169903167 @default.
• W2076596114 hasConceptScore W2076596114C204321447 @default.
• W2076596114 hasConceptScore W2076596114C23224414 @default.
• W2076596114 hasConceptScore W2076596114C2775852435 @default.
• W2076596114 hasConceptScore W2076596114C2776224158 @default.
• W2076596114 hasConceptScore W2076596114C2777530160 @default.
• W2076596114 hasConceptScore W2076596114C28490314 @default.
• W2076596114 hasConceptScore W2076596114C40969351 @default.
• W2076596114 hasConceptScore W2076596114C41008148 @default.
• W2076596114 hasIssue "2-3" @default.
• W2076596114 hasLocation W20765961141 @default.
• W2076596114 hasOpenAccess W2076596114 @default.
• W2076596114 hasPrimaryLocation W20765961141 @default.
• W2076596114 hasRelatedWork W1497807607 @default.
• W2076596114 hasRelatedWork W1509309911 @default.
• W2076596114 hasRelatedWork W1521049138 @default.
• W2076596114 hasRelatedWork W2093392830 @default.
• W2076596114 hasRelatedWork W2096510939 @default.
• W2076596114 hasRelatedWork W2140022733 @default.
• W2076596114 hasRelatedWork W2188780574 @default.
• W2076596114 hasRelatedWork W2253551762 @default.
• W2076596114 hasRelatedWork W2499802997 @default.
• W2076596114 hasRelatedWork W2914064142 @default.
• W2076596114 hasVolume "31" @default.
• W2076596114 isParatext "false" @default.
• W2076596114 isRetracted "false" @default.
• W2076596114 magId "2076596114" @default.
• W2076596114 workType "article" @default.