افزایش کارآیی سیستم تشخیص لهجه های گفتارزبان فارسی با استفاده ازماشین بردارپشتیبان

تشخیص لهجه ازروی شکل موج گفتاریکی ازشاخه های نسبتا جدید درعلم پردازش گفتارمیباشد تشخیص لهجه میتواندتاحدزیادی باعث بهبود سیستم های بازشناخت گفتارشود همانند هرسیستم بازشناسی فرایند تشخیص لهجه نیز شامل سه مرحله استخراج ویژگی طبقه بندی و تشخیص است باتوجه به نزدیک بودن و شباهت بسیارزیاد برخی لهجه ها به یکدیگر استفاده ازیک ویژگی و طبقه بندمناسب میتوانددرکاهش خطای سیستم مفید باشد دراین مقاله با فرض ثابت بودن ویژگیهای استخراج شده با بکاربردن سه طبقه بندمختلف شامل SVM RBF ، KNN وکارایی هرکدام ازاین طبقه بندها باهم مقایسه شده اند مشاهده شده است که با ضرب بردارویژگی های موجود دریک ضریب مناسب و بهینه مانند µ شاهدافزایش قابل توجهی درنرخ بازشناسی لهجه های زبان فارسی با استفاده ازماشین بردارپشتیبان SVM خواهیم بود به نحوی که این افزایش گاهی اوقات به حدود 40درصد نیز میرسدولی با اعمال این ضریب برای دوطبقه بنددیگرافزایش نرخ بازشناسی صورت نمیگیرد