識別率の評価方法

Forward復号法やViterbi復号法から得られる最適状態遷移系列は カテゴリの番号であって、カテゴリと話者の関係は未知である。 そのため以下の式で識別率を算出する。

$$R = \frac{1}{T} \max_{\sigma} \sum_{t=1}^T d (\tau(\mbox{\boldmath$x$}_t),\sigma(S_t))$$ (1)

ここで、 $\tau$は最適状態遷移系列、$\sigma$は $(1, 2,\ldots, N)$ の任意の置換、$S_t$ は各発話の正解カテゴリ番号、 $d$は値が一致した時のみ1それ以外は0である関数である。 本論文では、 各カテゴリ番号を$\sigma$で置換し、$N!$ 通り の置換について正解率を算出しその中の最大値を識別率とする。 従って話者が４名の場合$24(=4!)$通りの組み合わせを調べる。

なお、複数話者発話の音声データでは、LPC分析のフレーム更新周期 の間に話者が遷移する。このフレームでは話者を一意に決めるこ とができない。 そこで話者が遷移したフレームは、 どちら の話者が選択されても正解にする。