سال انتشار: ۱۳۸۲

محل انتشار: نهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۷

نویسنده(ها):

محمدمهدی همایون پور – آزمایشگاه سیستم های هوشمند صوتی – گفتاری، دانشکده مهندسی کامپیوتر و ف
هدیه رزازان – آزمایشگاه سیستم های هوشمند صوتی – گفتاری، دانشکده مهندسی کامپیوتر و ف

چکیده:

مدل های مخلوط گوسی GMM و ماشین بردار پشتیبان SVM با وجود داشتن کارایی نسبتا مشابه، خطاهای نا همبسته ارائه می کنند، لذا می توانند برای ایجاد کلاس بندی کننده ای با کارایی بالاتر ترکیب شوند. در این مقاله یک سیستم تعیین هویت گوینده مستقل ازمتن متشکل از هردو روش GMM , SVM ارائه میگردد. در این سستم از توانایی GMM در مدل کردن گویندگان و نیز از توان تمایز دهندگی بالای SVM در کنار هم وبه منظور افزایش دقت تعیین هویت گوینده، استفاده شده است. در روش پشینهادی ، تعیین هویت گوینده توسط GMM صورت میگیرد و درمواردی که به دلیل تشابه گویندگان احتمال اشتباه وجود داشته باشد، از SVM برای کاهش خطای تعیین هویت استفاده شده است. تعیین گویندگان مشابه با هر گوینده توسط GMM و ساخت مدل های SVM جهت تمایز بین گویندگان مشابه درمرحله آموزش صورت می گیرد. روش پیشنهادی موجب گردید که خطای تعیین هویت از ۴/۱۵% که مربوط به روش GMM به تنهایی است به ۱/۷% مربوط به سییستم هیبرید کاهش یابد.