مقایسه بین روشهای کاهش تنوعات در سیستمهای شناسایی خودکار زبان گفتاری
Publish place: 20th Iranian Conference on Electric Engineering
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 731
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE20_345
تاریخ نمایه سازی: 14 مرداد 1391
Abstract:
در این مقاله از روشهای جدیدی همچون تحلیل توأم عاملها JFA)و بردار شناساییivector) به عنوان روش شناسایی زبا ن استفاده شده و نتایج این روشها با روش پایه شناسایی زبان، یعنی مدل مخلوط گوسی-مدل جهانیGMM-UBM مقایسه شده اس ت . برایبهبود نتایج روشِivectorاز چند روش جبرانسازی تنوعاتNAP و WCCN ،LDA) استفاده گردیده است. آزمایشها بر روی دادگان گفتارمحاورهای تلفنی انجام شده است. با استفاده از روشGMM-UBMخطایEER برای جداسازی همزمان زبانهای هدف (عربی، فارسی و انگلیسیسایر زبانهای دنیا حدود 26.38 درصد است، در حالیکه با اعمال روشJFA خطای 16.99 درصد و روشivector خطا ی 6.90 درصد بدستآمده است. این نتایج نشان دهنده کارایی بالای روشivector و JFA در مقایسه با روشهای ابتدایی شناسایی زبان است
Keywords:
Authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :