Application of time series analysis for speaker clustering

В данной работе рассматривается применение методов интеллектуального анализа временных рядов для задачи кластеризации пользователей по голосу. В качестве модели пользователя используется набор мел-частотных кепстральных коэффициентов. Использование метода нейросетевого сжатия данных позволяет сократить размерность вектора признаков. Кластеризация выполняется с помощью самоорганизующихся карт Кохонена.The purpose of this paper is the introduction of time series analysis methods to the problem of speaker clustering. User's model used for clustering is based on the mel-frequency cepstral coefficients. We consider the use of methods of neuro-network data compression to reduce the dimensionality of the feature vector. Clustering is performed using self-organizing Kohonen maps