سال انتشار: ۱۳۹۱

محل انتشار: بیستمین کنفرانس مهندسی برق ایران

تعداد صفحات: ۶

نویسنده(ها):

شقایق رضا – پژوهشکدهی پردازش هوشمند علائمRCISPتهران.
جهانشاه کبودیان –
طاهره امامی –

چکیده:

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 ۲۶٫۳۸ درصد است، در حالیکه با اعمال روشJFA خطای ۱۶٫۹۹ درصد و روشivector خطا ی ۶٫۹۰ درصد بدستآمده است. این نتایج نشان دهنده کارایی بالای روشivector و JFA در مقایسه با روشهای ابتدایی شناسایی زبان است