An Efficient Implementation of Probabilistic Linear Discriminant Analysis
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F13%3A43919389" target="_blank" >RIV/49777513:23520/13:43919389 - isvavai.cz</a>
Výsledek na webu
<a href="http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6639157" target="_blank" >http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=6639157</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/ICASSP.2013.6639157" target="_blank" >10.1109/ICASSP.2013.6639157</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
An Efficient Implementation of Probabilistic Linear Discriminant Analysis
Popis výsledku v původním jazyce
Probabilistic Linear Discriminant Analysis (PLDA), used particularly in image and speech processing for face and speaker recognition, respectively, is a generative model requesting lots of data to be trained. In the paper several enhancements concerningthe implementation of the estimation algorithm of PLDA are proposed providing substantial computational savings. At first, an inverse of a huge matrix is replaced by an inversion of two significantly smaller matrices. Subsequently, it is shown how to avoid the need to process the whole data set in each iteration of the estimation algorithm. Supplementary results are presented on NIST SRE 2008.
Název v anglickém jazyce
An Efficient Implementation of Probabilistic Linear Discriminant Analysis
Popis výsledku anglicky
Probabilistic Linear Discriminant Analysis (PLDA), used particularly in image and speech processing for face and speaker recognition, respectively, is a generative model requesting lots of data to be trained. In the paper several enhancements concerningthe implementation of the estimation algorithm of PLDA are proposed providing substantial computational savings. At first, an inverse of a huge matrix is replaced by an inversion of two significantly smaller matrices. Subsequently, it is shown how to avoid the need to process the whole data set in each iteration of the estimation algorithm. Supplementary results are presented on NIST SRE 2008.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2013
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Acoustics, Speech and Signal Processing (ICASSP), 2013 IEEE International Conference on
ISBN
978-1-4799-0356-6
ISSN
1520-6149
e-ISSN
—
Počet stran výsledku
5
Strana od-do
7678-7682
Název nakladatele
IEEE
Místo vydání
New York
Místo konání akce
Vancouver, BC, Canada
Datum konání akce
26. 5. 2013
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—