مقايسه بين روش هاي كاهش تنوعات در سيستم هاي شناسايي خودكار زبان گفتاري

در این مقاله از روش های جدیدی همچون تحلیل توأم عاملها JFA و بردار شناساییivector به عنوان روش شناسایی زبا ن استفاده شده و نتایج این روشها با روش پایه شناسایی زبان، یعنی مدل مخلوط گوسی-مدل جهانیGMM-UBM مقایسه شده است . برای بهبود نتایج روشِivectorاز چند روش جبرانسازی تنوعاتNAP و WCCN ،LDA استفاده گردیده است. آزمایشها بر روی دادگان گفتار محاورهای تلفنی انجام شده است. با استفاده از روشGMM-UBMخطایEER برای جداسازی همزمان زبانهای هدف (عربی، فارسی و انگلیسی سایر زبانهای دنیا حدود 26.38 درصد است، در حالیكه با اعمال روشJFA خطای 16.99 درصد و روشivector خطا ی 6.90 درصد بدست آمده است. این نتایج نشان دهنده كارایی بالای روشivector و JFA در مقایسه با روشهای ابتدایی شناسایی زبان است