Destek vektör makineleri ile ses tanıma uygulaması
Speech recognition application with support vector machines
- Tez No: 179478
- Danışmanlar: DOÇ. DR. SERDAR İPLİKÇİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Pamukkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ses tanıma sistemleri insan-bilgisayar arası iletişimi hızlı ve etkin bir şekilde gerçekleştirmeyi amaçlar. Bu amaçla, ses tanıma teknolojilerini geliştirmek için, son yıllarda çeşitli araştırma ve çalışmalar yapılmaktadır. Bu çalışmalara örnek olarak ses tanıma, konuşmacı tanıma ve konuşmacı doğrulama verilebilir. Fakat Türkçe ses tanıma üzerine çok fazla çalışma bulunmamaktadır. Bu çalışmada ses tanıma sistemleri incelenmiş, kullanılan yöntemler araştırılmış ve bir Türkçe ses tanıma uygulaması geliştirilmiştir. Uygulama, ses kodlama ve ses tanıma bölümlerinden oluşmaktadır. Bu çalışmada ilk olarak, bilgisayarda sıklıkla kullanılan 20 adet Türkçe komut belirlenmiştir. Her komuttan 20 adet kayıt yapılmıştır. Toplam 400 sözcük mikrofon ile bilgisayara kaydedilmiştir. Uygulamanın ses kodlama bölümünde, bilgisayara kaydedilen bu sözcükler Doğrusal Önkestirim Kodlama (LPC) yöntemi ile kodlanmış ve her bir sözcüğe ilişkin LPC parametreleri elde edilmiştir. Uygulamanın ses tanıma bölümü, eğitim ve test aşamalarından oluşmaktadır. Bu bölümde Destek Vektör Makineleri (SVM) yöntemi kullanılmıştır. İki çeşit SVM sınıflandırıcısı tasarlanmıştır. Bunlar, Soft Margin Destek Vektör Makinesi sınıflandırıcısı ve Least Square Destek Vektör Makinesi sınıflandırıcısıdır. Kodlanmış 200 sözcük Destek Vektör Makinelerinin eğitim aşaması için, 200 sözcük Destek Vektör Makinelerinin test aşaması için kullanılmıştır. Uygulamada, Soft Margin SVM sınıflandırıcısı için %91 doğru tanıma başarısı; Least Square SVM sınıflandırıcısı için %71 doğru tanıma başarısı elde edilmiştir.
Özet (Çeviri)
Speech recognition systems aim to perform communication between human and computer quickly and efficiently. For this purpose, in recent years various researches and studies have been conducted to develop the speech recognition technologies. Exemplary to this studies, speech recognition, speaker recognition and speaker verification can be given. However, there are not so many studies on Turkish speech recognition. In this study, speech recognition systems have been examined, the methods existing in the literature have been investigated and a Turkish speech recognition application was developed. The application consists of speech coding and speech recognition parts. In this study, firstly, 20 Turkish commands which are often used at computer were determined. 20 records were done for each command. Total 400 words were recorded by microphone to computer. In speech recognition part of the application, this words which were recorded to computer were coded with Linear Predictive Coding (LPC) method and thus the related LPC parameters have been obtained. Speech recognition part of the application consists of training and testing phases. In this part, Support Vector Machines (SVM) method was used for recognition. Two types of SVM classifiers were designed. These classifiers are Soft Margin Support Vector Machine classifier and Least Square Support Vector Machine classifier. 200 words which have been coded were used for training phase of Support Vector Machines and 200 words which have been coded were used for testing phase of Support Vector Machines. In the application, the Soft Margin SVM classifier has yielded 91% recognition performance, while the Least Square SVM classifier has 71%.
Benzer Tezler
- Destek vektör makineleri: Banka başarısızlığının tahmini üzerine bir uygulama
Support vector machines: An application on prediction of bank failure
SEDA TOLUN
- Destek vektör makinelerinin etkin eğitimi için yeni yaklaşımlar
New approaches for effective training of support vector machines
EMRE ÇOMAK
Doktora
Türkçe
2008
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ARSLAN
- Destek vektör makineleri çoklu sınıf problemleri için çözüm önerileri
Propasals to solve support vector machines multiclass problems
EMRE ÇOMAK
Yüksek Lisans
Türkçe
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. AHMET ARSLAN
- Arıza teşhisinde destek vektör makinelerinin kullanımı
The using of support vector machines in fault diagnosis
SUNA YILDIRIM
Yüksek Lisans
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. ERHAN AKIN
- Semantic argument classification and semantic categorization and semantic categorization of Turkish existential sentences using support vector learning
Türçe varoluşsal cümlelerin destek vektör makineleri kullanılarak anabilimsel argüman sınıflandırılması ve anlambilimsel gruplanması
AYLİN KOCA
Yüksek Lisans
İngilizce
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. VAROL AKMAN