MOT-sGPLDA-SRE14 说话人验证的PLDA多目标优化培训 准备数据，创建目录./data和./temp 将NIST SRE14 i-vector挑战官方数据放在“ ./data/”上，其中有“ development_data_labels.csv，dev_ivectors.csv，ivec14_sre_segment_key_release.tsv，ivec14_sre_trial_key_release.tsv，model_ivectors.csv，target_speaker_peak。 运行./python/sre14_preprocess.py。 它将生成“ ./temp/sre14.mat” 运行./matlab/gplda_demo.m 该脚本将显示为“ ./temp/sre14.mat”，结果为2.347、2.456（开发数据集，EER），2.307（评估

概率线性判别分析 论文引文 免责声明 通过经验贝叶斯估计参数。 该代码最初是为的人工智能（XAI）项目，因此它会将对于简单分类问题不必要的参数保留在内存中。 谢谢！ 特别感谢和推动和实现了相同的区别和pip安装！ MNIST手写数字数据使用演示 。 如果您将此软件包安装在虚拟环境中，请首先激活该虚拟环境。 导入plda和其他方便的软件包。 加载数据。 预处理数据和拟合模型。 如何对数据点进行分类：过度拟合分类器。 如何对数据点进行分类：更适合的分类器。 提取LDA功能。 如何对数据点进行分类：“相同或不同类别”的区分。 提取预处理信息。 提取模型参数。 依存关系 如果您一般不代码或研究，请查看以下下载和安装说明： 和 。 要将此存储库作为依赖项添加到您自己的conda环境yml文件中，请在依赖项末尾添加以下内容（例如，此存储库的文件）。 - python>=

PLDA模型 这是使用Numpy的PLDA-kaldi的实现。

PLDA模型训练matlab代码