hrvatski

Postupci klasifikacije vektora značajki za automatsko prepoznavanje govornika

U okviru diplomskog rada potrebno je istražiti postupke koji se koriste za klasifikaciju vektora značajki u svrhu automatskog prepoznavanja govornika. Potrebno je dati pregled mogućih postupaka klasifikacije, te diskutirati njihove prednosti i mane. Posebnu pažnju posvetiti klasifikatorima temeljenim na vektorskoj kvantizaciji, na statističkim modelima kao što su Skriveni Markovljevi modeli ili Modeli sa Gassovim mješavinama, odnosno klasifikatori temeljeni na neuronskim mrežama. Diskutirati problem tipa i dimenzionalnosti vektora značajki, te kako on utječe na točnost klasifikacije. Posebnu pažnju posvetiti i postupcima učenja, tj. treniranja klasifikatora, te diskutirati potrebnu veličinu baze vektorskog procesa koja je dovoljna za treniranje pojedinog modela. Također istražiti utjecaj parametara pojedinih klasifikatora, kao što su broj reprezentanata i struktura vektorskog kvantizatora, broj mješavina korišten u statističkim modelima, broj stanja u HMM modelu, struktura neuronske mreže itd. Na jednostavnom eksperimentu demonstrirati učinkovitost pojedinih postupaka klasifikacije.

automatsko prepoznavanje govornika; identifikacija; verifikacija; klasifikacija; vektorska kvantizacija; model sa Gaussovim mješavinama; neuronska mreža

nije evidentirano