说话人分割与聚类系统的任务是在没有任何先验知识的情况下,对于一段含有多个说话人的语音中不同说话人的语段进行一一标注。说话人聚类机制是说话人分割与聚类系统中的关键环节之一,其聚类质量直接影响着说话人分割与聚类系统的性能。本文重点对说话人聚类机制在以下方面进行了研究:(1)研究并实现了聚类中的类别数目估计机制,通过实验完成了性能测试以及与同类相关算法的对比分析;(2)对谱聚类算法的原理和关键技术环节进行了研究,实现了基于NJW谱聚类算法的说话人聚类机制,能够自动粗估类数目,并通过自适应的局部尺度参数提高了算法的聚类性能;(3)对聚类结果校准算法进行了研究和对比分析,实现了交叉EM校准算法(Cross EM Refinement,简称CEMR),在此基础上,引入了确认功能,提出了一种改进的校准算法,提升了原算法的功能与性能;(4)综合上述的说话人聚类机制、聚类校准机制,设计并实施了一个完整的说话人分割与聚类系统(MSC2SD系统),并逐环节进行了检验。通过实验测试、对比分析优化了各环节的参数,与基准系统(SC2SD系统)的各环节及整体性能进行了测试评估与分析。结果表明,改进系统在聚类纯度和聚类准确性方面都优于原基准系统。