روشی نوین برای شناسایی زبان گفتاری با استفاده ازماشین های بردار پشتیبان مبتنی بر کرنل های دنباله ای

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&2003 و 11و22 زبانی انجام داده ایم. نتایج نشان دهنده افزایش نسبی حدودا 4% راندمان شناسایی زبان با استفاده از کرنل دنباله ای پیشنهادی ما می باشند.

کلیدواژه ها:

کرنل های دنباله ای ، شناسایی زبان گفتاری ، مدل های مخلوط گوسی ، ماشین های بردارهای پشتیبان