PCA GAUSSIAN MIXTURE MODEL FOR TWO-DIMENSIONAL ROOT CEPSTRUM FEATURES OF SPEECH
محل انتشار: سیزدهمین کنفرانس مهندسی برق ایران
سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,707
فایل این مقاله در 6 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:
ICEE13_196
تاریخ نمایه سازی: 27 آبان 1386
چکیده مقاله:
Feature extraction plays a substantial role in automatic speech recognition systems. The Two-dimensional root cepstrum (TDRC) is a special case of feature extraction for speech recognition which has some advantage over the others methods. The exact estimation of the model of
density function of TDRC is an important stage in building a successful speech recognition system. A PCA Gaussian mixture model has been suggested for TDRC features of speech. Experimental results which have been done on TIMIT database show that the proposed model is a proper model for TDRC features.
کلیدواژه ها:
نویسندگان
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 :