view in publisher's site
- خانه
- لیست مقالات
- چکیده
Speaker-independent recognition of isolated words using clustering techniques
A speaker-independent isolated word recognition system is described which is based on the use of multiple templates for each word in the vocabulary. The word templates are obtained from a statistical clustering analysis of a large database consisting of 100 replications of each word (i.e., once by each of 100 talkers). The recognition system, which accepts telephone quality speech input, is based on an LPC analysis of the unknown word, dynamic time warping of each reference template to the unknown word (using the Itakura LPC distance measure), and the application of a K-nearest neighbor (KNN) decision rule. Results for several test sets of data are presented. They show error rates that are comparable to, or better than, those obtained with speaker-trained isolated word recognition systems.
بازشناسی مستقل از گوینده کلمات مجزا با استفاده از تکنیک‌های خوشه‌بندی
یک سیستم تشخیص کلمه مجزا مستقل از گوینده توصیف می‌شود که براساس استفاده از الگوهای چندگانه برای هر کلمه در واژگان است.
الگوهای کلمه از تحلیل خوشه‌ای آماری یک پایگاه‌داده بزرگ متشکل از ۱۰۰ تکرار از هر کلمه (یعنی یک‌بار توسط هر ۱۰۰ تالکر)به دست می‌آیند.
سیستم تشخیص، که ورودی گفتار با کیفیت تلفن را می‌پذیرد، براساس آنالیز LPC از کلمه ناشناخته، جمع کردن زمان دینامیک هر الگوی مرجع به کلمه ناشناخته (با استفاده از اندازه‌گیری فاصله Itura LPC)، و کاربرد قانون تصمیم‌گیری K - نزدیک‌ترین همسایه (KNN)است.
نتایج برای چندین مجموعه تست از داده‌ها ارائه شده‌است.
آن‌ها نرخ خطایی را نشان می‌دهند که قابل‌مقایسه یا بهتر از نرخ خطایی است که با سیستم‌های تشخیص کلمه مجزا آموزش‌دیده توسط گوینده به دست آمده‌است.
ترجمه شده با 
ترجمه کنید