ترجمه مقاله تشخیص و بررسی همپوشانی گفتار با روش کد گذاری حلقوی غیر منفی خطی - نشریه IEEE

ترجمه مقاله تشخیص و بررسی همپوشانی گفتار با روش کد گذاری حلقوی غیر منفی خطی - نشریه IEEE
قیمت خرید این محصول
۲۹,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
تشخیص و بررسی همپوشانی گفتار با استفاده از روش کد گذاری حلقوی غیر منفی خطی
عنوان انگلیسی
Speech Overlap Detection And Attribution Using Convolutive Non-Negative Sparse Coding
صفحات مقاله فارسی
12
صفحات مقاله انگلیسی
4
سال انتشار
2012
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
8027
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه نشده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
هوش مصنوعی و مهندسی الگوریتم ها و محاسبات
مجله
کنفرانس بین المللی آکوستیک، پردازش گفتار و سیگنال
دانشگاه
بخش ارتباطات چند رسانه ای، فرانسه
کلمات کلیدی
تشخیص همپوشانی، بررسی سخنگو، تقطیع سخنگو، روش کد گذاری حلقوی غیر منفی خطی
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1 – مقدمه
2 - روش کد گذاری حلقوی غیر منفی خطی
3-شناسایی همزمانی
1-3 ارجاعات زمینه ای و حقیقی
3.2 بخش بندی همزمانی
4.ویژگی های مربوط به سخنگو
5.نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
ABSTRACT

Overlapping speech is known to degrade speaker diarization performance with impacts on speaker clustering and segmentation. While previous work made important advances in detecting overlapping speech intervals and in attributing them to relevant speakers, the problem remains largely unsolved. This paper reports the first application of convolutive non-negative sparse coding (CNSC) to the overlap problem. CNSC aims to decompose a composite signal into its underlying contributory parts and is thus naturally suited to overlap detection and attribution. Experimental results on NIST RT data show that the CNSC approach gives comparable results to a state-ofthe-art hidden Markov model based overlap detector. In a practical diarization system, CNSC based speaker attribution is shown to reduce the speaker error by over 40% relative in overlapping segments. Index Terms: overlap detection, speaker attribution, speaker diarization, convolutive non-negative sparse coding

نمونه چکیده ترجمه متن فارسی
چکیده
همپوشانی گفتار به گونه ای مشهور گشته است که می تواند سطح اجرای تقطیع سخنگو را با اثر گذاری بر نوع خوشه بندی و تقسیم بندی سخنگو ، کاهش دهد . با وجود اینکه در راستای موضوعات مربوط به زمان های گفتار و نیز موضوعات مربوط به سخنگو تحقیقات و پیشرفت های گسترده ای صورت گرفته است ، اما مشکل اصلی هنوز حل نشده باقی می ماند . در این مقاله برای اولین بار روش برچسب گذاری خطی حلقوی غیر منفی به جهت حل مشکل معرفی میشود . هدف این روش تجزیه کردن یک سیگنال مرکب به بخش های زیرین آن می باشد و بنابراین به طور طبیعی در جایی قرار میگیرد که بتنواند تشخیص و بررسی را میسر سازد نتایج بررسی داده های سازمان ملی استاندارد و فناوری نشان می دهد که نگرش برچسب گذاری پراکنده منفی نتایج قابل قیاسی نسبت به آخرین مدل پیشرفته مبتنی بر ردیاب مارکف نشان می دهد . در یک سیستم تقطیع ، برچسب گذاری پراکنده منفی مبتنی بر تشخیص سخنگو به گونه ای نشان داده شده است که می تواند درصد خطای سخنگو را تا 40 درصد مرتبط با همپوشانی بخش ها ، کاهش دهد .

بدون دیدگاه