سال انتشار: ۱۳۸۷

محل انتشار: چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۴

نویسنده(ها):

علی ضیائی – دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر
سید محمد احدی – دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر
حجت اله یگانه – دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر
سید مسعود میر رضایی – دانشکده مهندسی برق دانشگاه صنعتی امیرکبیر

چکیده:

در سیستم های شناسایی زبان که از اطلاعات سطح پایین زبانی استفاده می کنند، معمولا از یک پس پردازنده برای جداسازی بهتر زبان ها از هم استفاده می شود. پس پردازنده های رایج از نوع مدل های مخلوط گوسی می باشند که نیاز به دادگان وسیع توسعه ای دارند. از طرفی تصمیم گیری روی بردارهای خروجی هر فریم گفتاری برای شناسایی زبان، دقت را بسیار پایین می آورد. برای رفع این مشکل ابتدا توسط کرنل های دنباله ای، کل بردارهای حاصل از یک گفتار را به یک بردار نگاشت می کنند و سپس توسط ماشین های بردار پشتیبان، این بردارها را از هم جدا می کنند. ما در این مقاله کرنل دنباله ای جدیدی پیشنهاد کرده ایم که نسبت به کرنل های دنباله ای مشابه که بهترین راندمان را در کاربرد شناسایی زبان دارند و همچنین پس پردازنده های گوسی، راندمان سیستم شناسایی زبان را بالاتر می برد. ما آزمایش های خود را روی دو دادگان OGI-TS و NIST-LRE 1996&2003و ۱۱و۲۲ زبانی انجام داده ایم. نتایج نشان دهنده افزایش نسبی حدودا ۴% راندمان شناسایی زبان با استفاده از کرنل دنباله ای پیشنهادی ما می باشند.