Implementation and Optimization of a Speech Recognition System Based on Hidden Markov ModelUsing Genetic Algorithm
محل انتشار: دوازدهمین کنفرانس ملی سیستم های هوشمند ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 771
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS12_195
تاریخ نمایه سازی: 11 مرداد 1393
چکیده مقاله:
In this paper, a speech recognition system with isolated words is implemented. Discrete hidden Markov model is used to recognize words. Feature vector consists of cepstral and deltacepstrum coefficients which are extracted from speech signal frames. Since the discrete Markov model is used, the featurevector is mapped to a discrete element by a vector quantizer. One of the problems we face in training of Markov model is thatthe classical training method could obtain locally optimal solution. To overcome this problem we have used genetic algorithm to get globally optimal solution. Experimental resultsshow that this hybrid speech recognition obtains better performance than traditional method.
کلیدواژه ها:
نویسندگان
Hassan Farsi
University of birjand, Birjand, Iran
Reza Saleh
University of birjand, Birjand, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :