6027

6027

اعمال تبديل برويژگي هاي گفتار به منظور افزايش نرخ بازشناسي گفتار در محيط هاي نويزي

كارشناسي ارشد

كامپيوتر گرايش هوش مصنوعي و رباتيك

ارديبهشت ماه 1388

ارديبهشت ماه 1388

دكتر احمد اكبري

چكيده يكي از مراحل اصلي در روند بازشناسي گفتار، استخراج ويژگي ها مي باشد. در حقيقت، ويژگي هاي مربوط به نمون ههاي هر كلا س بايد بگون ه اي از كلا س هاي ديگر متمايز شده باشند كه سيستم بازشناسي گفتار در شرايط مختلف مانند نويز نيز عملكرد مناسبي از خود نشان دهد . بدين منظور، گاهي اوقات تبديل هايي روي ويژگي ها اعمال مي گردد . در اين پايان نامه، چارچو بي براي بهبود و ،LDA تحليل متمايزساز خطي ،PCA تبديل هاي ويژگي مستقل (مانند تحليل مؤلفه هاي مستقل با استفاده از معيار كمينه سازي خطاي دسته بندي ارائه (HLDA تحليل متمايزساز خطي ناهمگون گرديده است. در اين روش ماتريس هاي تبديل بگونه اي بهبود مي يابند كه خطاي د سته بندي براي ويژگي هاي تبديل يافته كمينه شود. در اين روش نگاشت، ابعاد بردارهاي ويژگي كاهش نمي يابد . و بازشناسي ،Aurora چارچوب پيشنهادي بمنظور بازشناسي كلمات جداگانه با مجموعه دادگان 2 در شرايط نويزي و تميز مورد ارزيا بي قرار گرفته اند . ،TIMIT واج ١ هاي پيوسته با مجموعه دادگان ارزيابي روش هاي پياده سازي شده برروي دو مجموعه دادگان گفتار بيانگر بهبود كارايي ماتريس هاي تبديل با كمك چارچوب پيشنهادي در مقايسه با روش هاي مشابه مي باشد . براي مثال در بازشناسي با مجموعه آزمايشي تميز، ميانگين كاهش خطاي بازشناسيِ Aurura كلمات در مجموعه دادگان 2 با مجموعه آموزشي نويزي حدود Aurora روش پيشنهادي حدود ١١.٩٤ % و در مجموعه دادگان 2 ٩.١٥ % بوده است. واژه هاي كليدي: كمينه خطاي دسته بندي، بيشينه اطلاعات متقابل، تبديل مستقل از كلاس، تحليل مؤلفه هاي اصلي، تحليل متمايزساز خطي.