ارائه یکمدل قطعه بندی نرم برای مدلسازی کشش زمانی درسیستمهای بازشناسی گفتار

یکی از پیش فرضهای اولیه مدل HMM اعمال توزیع آماری هندسی به کشش زمانی بردارهای هرحالتHMM است که به وضوع با طبیعت مساله سازگارنیست HMM قطعه ای تا حدی این مشکل را به ازای پیچیدگی بیشتر درمراحل آزموش و بازشناسی حل می کند دراین مقاله شیوه ای جدید برای مدلسازی اثرکشش زمانی درهر حالت پیشنهاد شده است که ایده اصلی آن درنظر گرفتن اثرقطعات حالات همسایه درتخمین پارامترهای آماری هرقطعه است این ایده بصورت تحلیلی فرمول بندی گشته و برروی بانک اطلاعات TIMIT به ازای واجهای مصوت آزموده شدها ست نتایج به دست آمده حاکی از کاهش جدی زمان بازشناسی می باشد درحالیکه دقت بازشناسی نیز افزایشی جزئی نشان میدهد همچنین روش پیشنهادی با استفاده از سه الگوریتم بازشناسی مختلف ازموده شده و نتایج بدست آمده با هم مقایسه شده است.