http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 서정파 (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
서정파,권영헌,이건상 한양대학교 이학기술연구소 2002 이학기술연구지 Vol.4 No.-
We proposed correlation exponent as feature vector of speaker recognition system aming the persons whose voices are much the same with each other. The ambiguity of speech utterance can be regarded as a chaotic property. For speakers whose voices appear to be nearly identical, with their vowel /i/ that is more chaotic than /a/,/e/,/o/, or /u/ was tested. since chaos which is sensitive to a noise, a reduction is necessary. We eliminate the noise by local projective noise reduction method and compare the behavior of the attractors of original speech and noise reduced speech. 본 논문에서는 발음이 매우 유사한 사람들 간의 화자 인식 시스템 구현을 위한 feature vector로써 correlation exponent의 사용을 제안하였다. 음성의 발성적 모호함을 chaos적인 특성으로 간주하고 formant 특성이 거의 동일하게 나타나는 화자들에 대해 모음 /i/ 발음을 채집하였다. 잡음에 민감한 카오스의 correlation exponent를 구하기 위해서는 선행적으로 잡음제거가 필수적이다. 이를 위해서 비선형 방법으로 잡음을 제거하고 잡음제거전의 각 화자들의 attractor를 비교하였다.
-
김민수,서정파,임중혁,권영헌,이건상 漢陽大學校 工學技術硏究所 2000 工學技術論文集 Vol.9 No.1
본 연구는 증권정보 검색을 위한 인식 시스템의 구현을 목적으로 한다. DB는 증권사에 상장된 725개의 상호 명으로 구성하였다. 특징벡터로 13차의 MFCC 계수를 사용하였으며 인식기로는 CHMM이 사용되었으며 90%에 이르는 인식률을 얻었다. In this paper, we developed speech recognition system for searching stock information. DB is composed of 725 firms having listed stocks. We construct speech feature codebook with feature vectors using 13th-MFCC coefficients, and the recognizer is CHMM. We obtained recognition rate 90%.
-
유전자 알고리즘을 이용한 음성의 특징 벡터 코드북의 성능 분석
이건상,백인찬,서정파,전병우,권영헌 漢陽大學校 自然科學硏究所 1999 自然科學論文集 Vol.18 No.-
음성의 특징벡터 코드북을 형성하는 벡터 양자화 과정에서 진화 및 유전원리에 기초한 유전자 알고리즘으로 얻어진 코드북과 기존의 LBG알고리즘으로 얻은 코드북사이의 인식 성능을 비교하였다. 이를 위해 유전자 알고리즘에서 초기 개체집단을 형성할 때 훈련벡터들의 초기분포를 반영하도록 하였고, 유전 연산자로 교배와 돌연변이 연산자를 사용하였다. 인식 성능을 비교하기 위해 특징 벡터로는 주파수 대역별 에너지와 LSF계수를 사용하여 화자종속으로 인식실험을 수행하였다. 실험결과 LBG 알고리즘을 사용한 코드북보다 유전자 알고리즘을 사용한 코드북의 인식 성능이 우수함을 살펴 볼수 있었다. In the development of speech codebook by vector quantization method, we compared the performance of the codebook by LBG algorithms with that by genetic algorithms based on the biological process of evolution and genetic principle. We reflected a initial distribution of training vectors to set up a initial population in genetic algorithm. The crossover and mutation are used as genetic operators. We performed the recognition experiments in speaker-dependent method using the feature vectors as the nomalized energies in frequency domain and LSF coefficients. So we investigated the recognition performance of the codebook by the above two algorithms. We have known that the recognition performance of the codebook by the algorithm is better than that by the LBG algorithm.
eArticle연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
