بهبود دقت مدل GMM با استفاده از کرنل PSK در کاربرد تشخیص زبان گفتاری

مدل مخلوط گاوسی (GMM)، روشی ساده و موثر برای مدل کردن آماری فضای ویژگی هاست که به طور گسترده در کاربرد تشخیص زبان مورد استفاده قرار گرفته و از الگوریتم بیشینه سازی امید ریاضی برای آموزش پارامترهای این مدل استفاده می شود. در این مقاله با توجه به مشکلی که در آموزش مدل GMM وجود دارد، مدلی جدید با نام PAW-GMM ارائه شده است. در این مدل، قدرت هر مولفه از مدل GMMدر تمایز یک زبان از سایر زبان ها، برای تعیین وزن هر مولفه در نظر گرفته می شود. مدل PAW-GMM به دلیل در نظر گرفتن خواص تمایزی مولفه های مخلوط گاوسی، سبب افزایش دقت سیستم های تشخیص زبانی می شود که از این مدل به عنوان جایگزین مدلGMM استفاده می کنند. همچنین یکی از مشکلاتی که در سیستم GMM-PSK-SVMکه یکی از بهترین سیستم های تشخیص زبان است وجود دارد، پیچیدگی محاسباتی بالا خصوصا با اضافه شدن تعداد زبان هاست. از این رو سیستم UBM-PSK-SVM ارائه شده است که با ثابت نگه داشتن دقت سیستم GMM - PSK - SVM، سبب کاهش پیچیدگی محاسباتی آن شده و در نتیجه قدرت تعمیم به زبان های بالاتر را افزایش می دهد. آزمایش های صورت گرفته بر روی 4 سیستم تشخیص زبان مختلف با استفاده از داده های مربوط به 4 زبان انگلیسی، فارسی، فرانسوی و آلمانی دادگان OGI، کارایی تکنیک های ارائه شده را نشان می دهد.