http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
한국어 연속음성중 키워드 인식을 위한 One - Pass 알고리즘의 개선방안
최관선(Kwan-Seon Choi),한민홍(Min-Hong Han) 한국정보과학회 1995 정보과학회논문지 Vol.22 No.2
본 논문에서는 한국어 연속음성중 키워드를 인식하기 위하여 One-Pass 알고리즘의 개선방안을 제시한다. 인식모델은 반연속 은닉 마코프모델로 이산 VQ(vector quantization)를 이용하며, 동적인 혼합수를 갖는 단일변수 혼합 가우시안 확률밀도함수로 단순하게 모델화 되었다. One-Pass 알고리즘의 개선은 낮은 Likelihood와 높은 기간벌점(duration penalty)을 갖는 부적합한 준 음절에 대해서는 경로분기를 중단하는 방법으로 인식률을 향상시켰고, 탐색시 단지 바로 전에 검사된 프레임과 상이한 프레임만 검사함으로써 계산시간을 단축시켰다. 시스템의 인식실험은 화자종속으로 160회 실시되었으며, 실험에 사용된 연속음성은 이동로보트 동작의 통제명령어이다. 실험결과는 개선된 One-Pass 알고리즘을 사용하였을 때 99.7%의 높은 인식률을 보였고, 기존 방법보다 약 30%정도 감소된 계산시간을 보였다. This paper presents an improvement of One-Pass algorithm for keywords spotting in Korean continuous speech. Recognition model uses a SCHMM(Semicontinuous Hidden Markov Model) with discrete VQ(vector quantization), and the SCHMM with discrete VQ is a simple model that is composed of a variable mixture Gaussian probability density function with dynamic mixture number. One-Pass algorithm is improved such that recognition rates are enhanced by fathoming any undesirable semisyllable with the low likelihood and the high duration penalty, and computation time is reduced by testing only the frame which is dissimilar to the previously tested frame. Experiment has been made to control mobile robot movements using continuous speech command. In recognition experiments with 160 data for speaker-dependent case, the improved One-Pass algorithm has shown recognition rates as high as 99.7% and has reduced compution time by about 30% compared with the currently available One-Pass algorithm.
한국어 연속음성중 키워드 인식을 위한 자기조직화형상지도와 동적벡터양자화 계층적 신경망
최관선(Kwan-Seon Choi),한민홍(Min-Hong Han) 한국정보과학회 1994 정보과학회논문지 Vol.21 No.10
본 논문에서는 한국어 연속음성중 키워드(keywords)를 인식하기 위하여 피치기준 프레임 분할에 의한 일관성있는 프레임 특성치 분석방법을 제시한다. 프레임간의 피치정보 및 특성치로부터 프레임의 경계가중치를 구하고, 프레임 경계가중치와 SOFM(Self-Organization Feature Maps) 신경망을 이용하여 연속음성중 준음절을 구분한다. 구분된 준음절은 DVQ(Dynamic Vector Quantization) 에 의하여 인식되며, 인식된 준음절들은 어휘적 분석을 통하여 키워드로 조합된다. 제안된 인식 알고리즘은 인식실험결과 화자종속시 93%의 인식률을 보였다. This paper presents a consistent frame feature analysis method by pitch based frame segmentation for keywords recognition in Korean continuous speech. Boundary weights of frames are computed from the pitch information and the frame feature between frames. A semisyllable in continuous speech is segmented using frame boundary weights and SOFM(Self-Organization Feature Maps). The semisyllable segmented is recognized using DVQ(Dynamic Vector Quantization) and the semisyllables recognized are combined to a keyword through lexical analysis. In keywords recognition experiment, this recognition algorithm has shown recognition rates as high as 93% for speaker-dependent case.