マルチカーネル学習を用いた話者認識における最適化の検討

摘要

本稿では，マルチカーネル学習を話者認識システムに適用した場合における，最適化アルゴリズムと認識性能の関係について調査を行った．話者認識システムにカーネル法を適用する場合，与えられたデータに対して適切なカーネル関数やパラメータを決定する必要がある．マルチカーネル学習は，複数のカーネル関数を凸結合することで，カーネル関数やパラメータを厳密に決定する必要性を減じることができる．本稿では，このマルチカーネル学習で用いる最適化基準および最適化アルゴリズムに焦点を当て，条件付きエントロピー最小化に基づくアルゴリズムと従来多く用いられているマージン最大化に基づくアルゴリズムを話者認識において比較した．その結果，条件付きエントロピー最小化に基づくシステムは，マージン最大化に基づくシステムの誤りを削減することがわかった．%We investigated the relation between the optimization algorithm for multiple kernel learning (MKL) and the speaker recognition performance. Most of the kernel methods applied to speaker recognition systems require a suitable kernel function and its parameters to be determined for a given data set. In contrast, MKL eliminates the need for strict determination of the kernel function and parameters by using a convex combination of element kernels. In the present paper, we focused on the optimization criterion and algorithm applied to MKL. We compared an MKL algorithm based on conditional entoropy minimization (MCEM) with a conventional maximum-margin-based MKL algorithm in terms of speaker recognition accuracy; the MCEM-based system reduced the speaker error rate as compared to the maximum-margin-based system.