تقطیع اتوماتیک گفتار به کمک تراز بندی تحمیلی و ماشین بردار پشتیبان
Publish place: 14th Iranian Conference on Electric Engineering
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,096
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:
ICEE14_103
تاریخ نمایه سازی: 25 تیر 1387
Abstract:
امروزه برای ساخت بسیاری از سیستمهای گفتار همچون سیستمهای سنتز، بازشناسی گفتار و ... نیاز به تقطیع گفتار در سطح واج می باشد. تقطیع بصورت دستی دشوار، زمانبر و مستعد برای ایجاد خطا می باشد. لذا در این مقاله روشی سه مرحله ای برای تقطیع اتوماتیک ارائه میشود. در مرحله اول، با استفاده از مدلهای مخفی مارکف (HMM) و رشته آوایی گفتار، تراز بندی تحمیلی صورت می گیرد. آموزش مدلهای HMM در دو مرحله ابتدا بصورت مستقل از گوینده و سپس وابسته به گوینده صورت می گیرد. در مرحله دوم واجها بر اساس شباهت کلاسبندی می شوند و اطلاعات آماری مربوط به میزان انحراف در تخمین مرزها برای هر کلاس محاسبه می شود و، سپس از روش حذف میانگین انحراف برای اصلاح مرزها استفاده می شود. در مرحله سوم، با استفاده از مدلهای ماشین بردار پشتیبان، جایگاه مرزهای حاصل از مرحله قبل اصلاح می گردد. از آنجا که زمان آموزش و تعیین پارامتر مدلهای SVM، زیاد می باشد، از کوانتیزاسیون برداری برای کاهش حجم داده های آموزشی استفاده گردیده است. برای تعیین پارامترهای بهینه مدلها از روش آموزش ارزیابی درونی استفاده شده است. کارایی بالای این سیستم، نشان دهنده مناسب بودن استفاده از SVM برای اصلاح جایگاه مرزها می باشد.
Keywords:
Authors
محمد مهدی همایون پور
آزمایشگاه سیستمهای هوشمند صوتی- گفتاری، دانشکده مهندسی کامپیوتر و ف
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 :