본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

SVM음성인식기 구현을 위한 강인한 특징 파라메터
Robust Feature Parameter for Implementation of Speech Recognizer Using Support Vector Machines

김창근   (동아대학교 전자공학과UU0000480  ); 박정원   (LG 이노텍 구미연구CC0145604  ); 허강인   (동아대학교 전자공학과UU0000480  );
  • 초록

    본 논문은 두 가지 비교 실험을 통하여 효과적 음성인식 시스템을 제안한다. 분별적 이진 패턴 분류기인 SVM(Support Vector Machines)은 특징 공간에서 비선형 경계를 찾아 분류하는 방법으로 적은 학습 데이터에서도 좋은 분류 성능을 나타낸다고 알려져 있다. 본 논문에서는 학습데이터 수에 따른 HMM(Hidden Markov Model)과 SVM의 인식 성능을 비교하고, 최적의 특징 파라메터를 선택하기 위해 SVM을 이용하여 주성분해석과 독립성분분석을 적용하여 MFCC(Mel Frequency Cepstrum Coefficient)의 특징 공간을 변화시키면서 각각의 인식 성능을 비교 검토하였다. 실험 결과 SVM은 HMM에 비해 적은 학습데이터에서도 높은 인식 성능을 보여주었고, 독립성분분석에 의한 특징 파라메터가 특징 공간상에서의 높은 선형 분별성에 의해 다른 특징 파라메터보다 인식 성능에서 우수함을 확인 할 수 있었다.


    In this paper we propose effective speech recognizer through two recognition experiments. In general, SVM is classification method which classify two class set by finding voluntary nonlinear boundary in vector space and possesses high classification performance under few training data number. In this paper we compare recognition performance of HMM and SVM at training data number and investigate recognition performance of each feature parameter while changing feature space of MFCC using Independent Component Analysis(ICA) and Principal Component Analysis(PCA). As a result of experiment, recognition performance of SVM is better than 1:.um under few training data number, and feature parameter by ICA showed the highest recognition performance because of superior linear classification.


  • 주제어

    Support Vector Machines .   Independent Component Analysis .   Principal Component Analysis.  

  • 참고문헌 (7)

    1. C.K.Kim, S.B.Kim, S.H.Kim, K.I.Hur, 'Performance Improvement of Speech Recognition Based on Independent Component Analysis', ICSP2001, Vol.2 of 2, pp.663-666, August, 2001 
    2. G.J.Jang, Y.H.Oh, 'Text-independent speaker identification using support vector machines', Proceeding of 11th KISS fall conference, pp.45 -48, November, 1999 
    3. Scholkopf, Smola Learning with Kernels, The MIT Press, 2002 
    4. N.Cristianini, J.S.Taylor, An Introduction to Support Vector Machine and other kernel-based learning methods, Cambridge University Press, 2000 
    5. S.Choi, A.Cichocki, S.Amari, 'Flexible independent component analysis', IEICE Trans. Fundamentals, vol.E83-A, no.12, pp.2715- 2722, August, 2000 
    6. A.Hyvarinen, J.Karhunen, E.Oja, Independent Component Analysis, John Wiley & Sons, 2001 
    7. S.Haykin, Neural Networks, Prentice hall, 1999 
  • 이 논문을 인용한 문헌 (1)

    1. Kang, Jae-Hwan ; Do, Jun-Hyeong ; Kim, Jong-Yeol 2010. "Voice Classification Algorithm for Sasang Constitution Using Support Vector Machine" 사상체질의학회지 = Journal of Sasang Constitutional Medicine, 22(1): 17~25     

 저자의 다른 논문

  • 김창근 (4)

    1. 2000 "HMM의 출력확률을 이용한 신경회로망의 성능향상에 관한 연구" 信號處理·시스템學會 論文誌 = Journal of the institute of signal processing and systems 1 (1): 1~6    
    2. 2003 "음성인식기 구현을 위한 잡음에 강인한 음성구간 검출기법" 信號處理·시스템學會 論文誌 = Journal of the institute of signal processing and systems 4 (2): 18~24    
    3. 2004 "독립성분분석을 이용한 DSP 기반의 화자 독립 음성 인식 시스템의 구현" 한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences 8 (2): 359~364    
    4. 2007 "RVM을 이용한 음성인식기의 구현" 한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences 11 (8): 1596~1603    
  • 허강인 (35)

 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
  • NDSL :
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 출판된 논문 + 더보기