ارائه یک روش تبدیل بر ماکزیمم اطلاعات متقابل برای بازشناسی الگو و گفتار

تبدیل ویژگیها یک روش متداول دربازشناسی الگو است که می تواند منجر به افزایش دقت رده بندی یا کاهش بارمحاسباتی گردد دراین مقاله یک روش تبدیل ویژگی مبتنی برماکزیمم اطلاعات متقابل معرفی و ارایه می شود که اطلاعات متقابل میان ویژگیها و و کلاسها را ماکزیمم می کند تبدیل حاضر با یک روش تکراری براساس افزایش گرادیان نقطه ای تخمین زده می شود نتایج آزمایشات انجام گرفته روی دادگان UCI و دادگان TIMIT نشان دهنده عملکرد بهتر روش پیشنهادی نسبت به دیگر روشها است در بین دادگان های UCI در دادگان Glass افزایش دقت 7.94 درصدی نسبت به بهترین حالت تبدیلات دیگر بدست آورده شده و در دادگان TIMIT این افزایش 0.07 درصد می باشد.

کلیدواژه ها:

اطلاعات متقابل ، افزایش گرادیان ، تبدیل ویژگی ، بازشناسی الگو ، بازشناسی گفتار