بهبود روش تطبیق گوینده MLLR در بازشناسی گفتار غیر وابسته با کمک خطای کمینه کلاس بندی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,221
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSICC15_251
تاریخ نمایه سازی: 26 مهر 1388
چکیده مقاله:
روش بیشینه همسانی با رگرسیون خطی (MLLR) به عنوان یکی از شناخته شده ترین روشهای تطبیق گوینده است که در دادگان تطبیقی کم با خوشه بندی پارامترهای مدل و تخمین ماتریس تبدیلبرای هر خوشه باعث بهبود عملکرد تطبیق میشود در این مقاله سعی شده است که با استفاده از روش متمایز ساز خطای کمینه ردهبندی با متمایز کردن ویژگیهای سیگنال گفتار این مشکل را برطرف کرده، عملکرد تطبیق را بهبود دهیم. بکارگیری متمایز ساز خطای کمینه رده بندی ضعف روش MLLR د رخوشه بندی را برطرف کرده و یک خوشه بندی یکنواخت ایجاد میکند. بر اساس آزمایشات انجام گرفته برروی دادگان WSJO,TIMIT و نتایج بدست آمده روش پیشنهادی یعنی بکارگیری خطای کمینه رده بندی نسبت به روشهای معادل بدون خطای کمینه ردهبندی باعث افزایش 0.49 تا 0.62 درصد در نرخ بازشناسی واج بر TIMIT و 0.12 تا 0.72 درصد افزایش نسبی درنرخ بازشناسی واج بر دادگان WSJO شده است.
کلیدواژه ها:
نویسندگان
رضا صحرائیان
دانشکده مهندسی برق - دانشگاه علم و صنعت ایران
بهزاد زمانی
دانشکده مهندسی کامپیوتر - دانشگاه علم و صنعت ایران
احمد اکبری
دانشکده مهندسی کامپیوتر - دانشگاه علم و صنعت ایران
احمد آبت الهی
دانشکده مهندسی برق - دانشگاه علم و صنعت ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :