بهبود بازشناسی واجهای مصوت در گفتار پیوسته به کمک روش ترکیب gmm و svm
Abstract(in Persian; no English abstract is available)
زبان از اجزای بسیار زیادی تشکیل شده است که کوچکترین جزء یا واحد آن واج است. همه زبانهای بشری به واج تجزیه می شوند بنابراین در نخستین مرحله لازم است واجها با هم ترکیب شوند تا واحدهای بزرگتری مانند تکواژ و یا واژه ساخته شوند. از دیدگاه سیستمی در یک سیستم بازشناسی الگو پس از فرایندهای پیش پردازش نمونه های زمانی گفتار ویژگی های مناسب از نمونه های زمانی استخراج می شود. سپس بردار ویژگی های استخراج شده به مدلی عرضه می شود تا تطبیق آن با مدل بررسی شود. سپس بردار ویژگی های استخراج شده به مدلی عرضه می شود تا تطبیق آن با مدل بررسی شود. میزان این تطبیق و مقایسه با دیگر الگوها به عنوان معیار بازشناسی شناخته می شود. در این پایان نامه هدف ارایه روش جدیدی برای بهبود بازشناسی واجهای مصوت در گفتار پیوسته به کمک روشهای ترکیبی gmm و svm می باشد. در اینجا مساله بازشناسی واجهای مصوت در گفتار پیوسته مورد بررسی قرار می دهیم و از یک مدل آماری برای حل این مساله استفاده می کنیم و سپس به بهبود روشهای موجود می پردازیم.