Class-Dependent PCA Optimization Using Genetic Programming for Robust MFCC Extraction
- سال انتشار: 1386
- محل انتشار: سومین کنفرانس بین المللی فناوری اطلاعات و دانش
- کد COI اختصاصی: ICIKT03_077
- زبان مقاله: انگلیسی
- تعداد مشاهده: 2334
نویسندگان
Research center for Information Technology, Computer Engineering Department, Iran University of Science and Technology TEHRAN, IRAN
Research center for Information Technology, Computer Engineering Department, Iran University of Science and Technology TEHRAN, IRAN
چکیده
Principal component analysis (PCA) is commonly used in feature extraction. It projects the features in direction of maximum variance. This projection can be performed in a class-dependent or class-independent manner. In this paper, we propose to optimize class-dependent PCA transformation matrix for robust MFCC feature extraction using genetic programming. For this purpose, we first map logarithm of clean speech Mel filter bank energies (LMFE) in directions of maximum variability. We obtain the mapping functions using genetic programming. After this, we form class-dependent PCA transformation matrix based on mapped LMFE and use this matrix in place of DCT in MFCC feature extraction. The experimental results show that proposed method achieves to significant isolated word recognition rate on Aurora2 database.کلیدواژه ها
مقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.