Sprecheridentifizierung mittels SVM bei der Oriya-Spracherkennung
Versandkostenfrei!
Versandfertig in 6-10 Tagen
68,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
Viele Beiträge wurden von Sprachverarbeitungswissenschaftlern und Forschern auf der ganzen Welt für englische und nicht-englischsprachige Sprachen verfasst. Für die gesprochene Sprache Oriya gibt es jedoch bisher nur sehr wenige Forschungsarbeiten. Diese Forschungsarbeit ist ein völlig neuer Beitrag für die Oriya-Sprache, die eine der anerkannten indischen Amtssprachen ist. Mehrere Aspekte werden in dieser Arbeit berücksichtigt. Statistische Mustererkennungsalgorithmen werden bei der Entwicklung der Sprecheridentifikation und der Oriya-Spracherkennung eingesetzt. Die Sprecheridentifikati...
Viele Beiträge wurden von Sprachverarbeitungswissenschaftlern und Forschern auf der ganzen Welt für englische und nicht-englischsprachige Sprachen verfasst. Für die gesprochene Sprache Oriya gibt es jedoch bisher nur sehr wenige Forschungsarbeiten. Diese Forschungsarbeit ist ein völlig neuer Beitrag für die Oriya-Sprache, die eine der anerkannten indischen Amtssprachen ist. Mehrere Aspekte werden in dieser Arbeit berücksichtigt. Statistische Mustererkennungsalgorithmen werden bei der Entwicklung der Sprecheridentifikation und der Oriya-Spracherkennung eingesetzt. Die Sprecheridentifikation basiert auf dem Support Vector Machine (SVM)-Algorithmus, während der Hidden Markov Model (HMM)-Algorithmus bei der Entwicklung der Oriya-Spracherkennungs-Engine verwendet wird. Andere effektive Techniken wie Dynamic Time Warping (DTW), ontologiebasiertes Backpropagation Feed Forward Neural Network (BPFF), k-neighborhood usw. werden ebenfalls unter dem Gesichtspunkt der Sprecheridentifikation und der Oriya-Spracherkennungsleistung untersucht und analysiert. Ein Sprachkorpus ist die integrale Einheit jeder Sprachverarbeitungsanwendung. Da kein öffentlich zugängliches Oriya-Sprachkorpus zur Verfügung steht, haben wir zwei verschiedene Sprachkorpora in Oriya erstellt.
Andere Kunden interessierten sich für
