Effective improvement of time-series pattern recognition systems using clustering and unsupervised adaptive training

• Project/Area Number: 23700218
• Research Category: Grant-in-Aid for Young Scientists (B)
• Allocation Type: Multi-year Fund
• Research Field: Perception information processing/Intelligent robotics
• Research Institution: Waseda University
• Principal Investigator: OGAWA Tetsuji 早稲田大学, 理工学術院, 准教授 (70386598)
• Project Period (FY): 2011 – 2012
• Project Status: Completed (Fiscal Year 2012)
• Budget Amount: ¥3,510,000 (Direct Cost: ¥2,700,000、Indirect Cost: ¥810,000); Fiscal Year 2012: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000); Fiscal Year 2011: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
• Keywords: クラスタリング / ベイズ学習 / 教師なし学習 / 音環境理解 / パターン認識

Research Abstract

I developed technologies for clustering speech data into acoustic attributes such as speakers and types of noise and technologies for adaptively optimizing speech recognition systems in unsupervised ways. The developed technologies would be essential for constructing a system structuring speech data and a speech retrieval system.

Research Products

• [Journal Article] Stream selection and integration in multistream ASR using GMM-based performance monitoring (2013)
  • Author(s): Tetsuji Ogawa, Feipeng Li, Hynek Hermansky
  • Journal Title: Proc. INTERSPEECH 2013 Volume: (to appear)
  • Peer Reviewed
• [Journal Article] 話者認識で用いる機械学習 (2013)
  • Author(s): 小川哲司, 松井知子
  • Journal Title: 日本音響学会誌 Volume: vol.69no.7(to appear)
• [Journal Article] 性能モニタリングに基づく多層パーセプトロンの適応的選択による雑音に頑健なマルチストリーム音声認識 (2013)
  • Author(s): 小川哲司, Li Feipeng, Hermansky Hynek
  • Journal Title: 音講論集 Pages: 167-170
• [Journal Article] 話者認識技術の現状と課題 (2013)
  • Author(s): 網野加苗, 石原俊一, 小川哲司, 長内隆, 黒岩眞吾, 仲孝文, 篠田浩一, 柘植覚, 西田昌史, 松井知子, 王龍標
  • Journal Title: 信学技法(SP) Volume: vol.112, no.450 Pages: 63-70
• [Journal Article] An improved entropy-based multiple kernel learning (2012)
  • Author(s): Hideitsu Hino and Tetsuji Ogawa
  • Journal Title: Proc. ICPR2012 Pages: 1189-1192
  • Peer Reviewed
• [Journal Article] Fully Bayesian speaker clustering based on hierarchically structured utterance-oriented Dirichlet process mixture model (2012)
  • Author(s): Naohiro Tawara, Tetsuji Ogawa, Shinji Watanabe, Atsushi Nakamura, and Tetsunori Kobayashi
  • Journal Title: Proc. INTERSPEECH2012
  • Peer Reviewed
• [Journal Article] i-vectorに基づく発話類似度を用いた非負値行列分解と話者クラスタリングへの適用 (2012)
  • Author(s): 福地佑介, 俵直弘, 小川哲司, 小林哲則
  • Journal Title: 情処研報 Volume: vol.2012-SLP-02
  • NAID: 110009422505
• [Journal Article] Fully Bayesian inference of multi-mixture Gaussian model and its evaluation using speaker clustering (2012)
  • Author(s): Naohiro Tawara, Tetsuji Ogawa, Shinji Watanabe, Tetsunori Kobayashi
  • Journal Title: Proc. ICASSP2012 Pages: 5253-5256
  • Peer Reviewed
• [Journal Article] 階層的構造を持つディリクレ過程混合モデルを用いたフルベイズ話者クラスタリング (2012)
  • Author(s): 俵直弘, 小川哲司, 渡部晋治, 中村篤, 小林哲則
  • Journal Title: 信学技報(IBISML) Volume: vol.111, no.480 Pages: 21-28
  • NAID: 110009545971
• [Journal Article] 話者照合における因子分析に基づく特徴抽出に関する評価 (2012)
  • Author(s): 小川哲司, 小林哲則
  • Journal Title: 音講論集 Pages: 197-198
• [Journal Article] 発話単位DPMMを用いたフルベイズ話者クラスタリングと大規模データによる評価 (2012)
  • Author(s): 俵直弘, 小川哲司, 渡部晋治, 中村篤, 小林哲則
  • Journal Title: 音講論集 Pages: 207-210
• [Journal Article] Fully Bayesian speaker clustering based on hierarchically structured utterance-oriented Dirichlet process mixture model (2012)
  • Author(s): Naohiro Tawara, Tetsuji Ogawa, Shinji Watanabe, Atsushi Nakamura, and Tetsunori Kobayashi
  • Journal Title: Proc. Interspeech2012 Volume: －
  • Peer Reviewed
• [Journal Article] Fully Bayesian inference of multi-mixture Gaussian model and its evaluation using speaker clustering (2012)
  • Author(s): Naohiro Tawara, Tetsuji Ogawa, Shinji Watanabe, and Tetsunori Kobayashi
  • Journal Title: Proc. ICASSP2012 Volume: － Pages: 5253-5256
  • Peer Reviewed
• [Journal Article] 階層的発話生成モデルを用いた話者クラスタリングのためのフルベイズモデル推定手法の比較 (2011)
  • Author(s): 俵直弘, 小川哲司, 渡部晋治, 小林哲則
  • Journal Title: 第14回情報論的学習理論ワークショップ(IBIS2011)
• [Journal Article] クラス内変動に頑健なカーネルマシンと話者照合への適用 (2011)
  • Author(s): 小川哲司, 日野英逸, 村田昇, 小林哲則
  • Journal Title: 音講論集 Pages: 183-186
• [Journal Article] 多重混合ガウス分布モデルにおけるフルベイズモデル推定手法の検討と話者クラスタリングによる評価 (2011)
  • Author(s): 俵直弘, 渡部晋治, 小川哲司, 小林哲則
  • Journal Title: 音講論集 Pages: 175-178
• [Journal Article] Speaker verification robust to intra-speaker variation using multiple kernel learning based on conditional entropy minimization (2011)
  • Author(s): Tetsuji Ogawa, Hideitsu Hino, Noboru Murata, and Tetsunori Kobayashi
  • Journal Title: Proc. INTERSPEECH2011 Pages: 2741-2744
  • Peer Reviewed
• [Journal Article] Speaker clustering based on utterance-oriented Dirichelet process mixture model (2011)
  • Author(s): Naohiro Tawara, Shinji Watanabe, Tetsuji Ogawa and Tetsunori Kobayashi
  • Journal Title: Proc. INTERSPEECH2011 Pages: 2905-2908
  • Peer Reviewed
• [Journal Article] 条件付きエントロピー最小化基準に基づくマルチカーネル学習を用いた発話スタイル変動に頑健な話者照合 (2011)
  • Author(s): 小川哲司, 日野英逸, 村田昇, 小林哲則
  • Journal Title: 情処研報 Volume: vol.2011-SLP-87
  • NAID: 110008584130
• [Journal Article] Speaker recognition using multiple kernel learning based on conditional entropy minimization (2011)
  • Author(s): Tetsuji Ogawa, Hideitsu Hino, Nima Reyhani, Noboru Murata, and Tetsunori Kobayashi
  • Journal Title: Proc. ICASSP2011 Pages: 2204-2207
  • Peer Reviewed
• [Journal Article] Speaker verification robust to intra-speaker variation using multiple kernel learning based on conditional entropy minimization (2011)
  • Author(s): Tetsuji Ogawa, Hideitsu Hino, Noboru Murata, and Tetsunori Kobayashi
  • Journal Title: Proc. Interspeech2011 Volume: － Pages: 2741-2744
  • Peer Reviewed
• [Journal Article] Speaker clustering based on utterance-oriented Dirichelet process mixture model (2011)
  • Author(s): Naohiro Tawara, Shinji Watanabe, Tetsuji Ogawa, and Tetsunori Kobayashi
  • Journal Title: Proc. Interspeech2011 Volume: － Pages: 2905-2908
  • Peer Reviewed
• [Presentation] 話者認識技術の現状と課題 (2013)
  • Author(s): 網野加苗，石原俊一，小川哲司，長内隆，黒岩眞吾，越仲孝文，篠田浩一，柘植覚，西田昌史，松井知子，王龍標
  • Organizer: 電子情報通信学会2013年2月度音声研究会
  • Place of Presentation: 大同大学
• [Presentation] 性能モニタリングに基づく多層パーセプトロンの適応的選択による雑音に頑健なマルチストリーム音声認識 (2013)
  • Author(s): 小川哲司，Li Feipeng，Hermansky Hynek
  • Organizer: 日本音響学会 2013年春季研究発表会
  • Place of Presentation: 東京工科大学
• [Presentation] 指向性を付与したマルチチャネルウィーナフィルタを前段に持つ音源分離方式の検討 (2013)
  • Author(s): 大町基，小川哲司，赤桐健三，小林哲則
  • Organizer: 日本音響学会 2013年春季研究発表会
  • Place of Presentation: 東京工科大学
• [Presentation] i-vectorに基づく発話類似度を用いた非負値行列分解と話者クラスタリングへの適用 (2012)
  • Author(s): 福地佑介，俵直弘，小川哲司，小林哲則
  • Organizer: 情報処理学会 第92回音声言語情報処理研究発表会
  • Place of Presentation: 天童温泉滝の湯（山形県天童市）
• [Presentation] 天井設置型マイクロホンアレイにおいて残響が音声の分離・認識性能に与える影響 (2012)
  • Author(s): 大町 基，小川哲司，小林哲則
  • Organizer: 日本音響学会 2012年秋季研究発表会
  • Place of Presentation: 信州大学
• [Presentation] 階層的構造を持つディリクレ過程混合モデルを用いたフルベイズ話者クラスタリング (2012)
  • Author(s): 俵直弘，小川哲司，渡部晋治，中村篤，小林哲則
  • Organizer: 電子情報通信学会・第8回 情報論的学習理論と機械学習研究会
  • Place of Presentation: 東京都立川市，統計数理研究所
• [Presentation] 話者照合における因子分析に基づく特徴抽出に関する評価 (2012)
  • Author(s): 小川哲司，小林哲則
  • Organizer: 2012年日本音響学会春季研究発表会
  • Place of Presentation: 神奈川県横浜市，神奈川大学横浜キャンパス
• [Presentation] 発話単位DPMMを用いたフルベイズ話者クラスタリングと大規模データによる評価 (2012)
  • Author(s): 俵直弘，小川哲司，渡部晋治，中村篤，小林哲則
  • Organizer: 2012年日本音響学会春季研究発表会
  • Place of Presentation: 神奈川県横浜市，神奈川大学横浜キャンパス
• [Presentation] 階層的発話生成モデルを用いた話者クラスタリングのためのフルベイズモデル推定手法の比較 (2011)
  • Author(s): 俵直弘，小川哲司，渡部晋治，小林哲則
  • Organizer: 第14回 情報論的学習理論ワークショップ
  • Place of Presentation: 奈良県奈良市，奈良女子大学
• [Presentation] 条件付きエントロピー最小化基準に基づくマルチカーネル学習を用いた発話スタイル変動に頑健な話者照合 (2011)
  • Author(s): 小川哲司，日野英逸，村田昇，小林哲則
  • Organizer: 情報処理学会・第87回 音声言語情報処理研究会
  • Place of Presentation: 北海道札幌市，定山渓温泉 定山渓グランドホテル瑞苑
• [Presentation] クラス内変動に頑健なカーネルマシンと話者照合への適用 (2011)
  • Author(s): 小川哲司，日野英逸，村田昇，小林哲則
  • Organizer: 2011年日本音響学会秋季研究発表会
  • Place of Presentation: 島根県松江市，島根大学松江キャンパス
• [Presentation] 多重混合ガウス分布モデルにおけるフルベイズモデル推定手法の検討と話者クラスタリングによる評価 (2011)
  • Author(s): 俵直弘，渡部晋治，小川哲司，小林哲則
  • Organizer: 2011年日本音響学会秋季研究発表会
  • Place of Presentation: 島根県松江市，島根大学松江キャンパス