بهبود مدل مخلوط گوسي با استفاده از خوشه‌بندي c-ميانگينه فازی وزن‌دار مقاوم - Artificial Intelligence

**Astaraki** · ۱۲-۱۹-۱۳۸۸, ۰۴:۵۲ بعد از ظهر

بهبود مدل مخلوط گوسي با استفاده از خوشه‌بنديِ C-ميانگينة فازيِ وزن‌دارِ مقاوم

مدل مخلوط گوسي يكي رايج ترين روش هاي طبق هبندي در سيستم هاي خودكار بازشناسي گفتار و گوينده محسوب م يشود. متأسفانه دقت بازشناسي مدلهاي مخلوط گوسي، وابستگي شديدي به مراكز اولية مخلوط هاي گوسي دارند كه اين وابستگي در مواردي كارايي سيستم هاي بازشناسي گفتار و گوينده را تحت تأثير قرار مي دهد. امروزه اغلب براي رفع اين وابستگي از روش خوشه بندي -C ميانگينة سخت استفاده مي شود. روش خوشه بندي -C ميانگينة سخت يا همان الگوريتم K-means حساسيت شديدي به داده هاي دورافتاده دارد كه ميتوانند كارايي آن را كاهش دهند. با توجه به اين حقيقت كه در مجموعة بردارهاي ويژگي گفتاري نيز همواره تعدادي دادة دورافتاده وجود دارند، استفاده از روش خوشه بندي ديگري كه نسبت به دادگان دورافتاده از حساسيت كمتري برخوردار باشد، مي تواند بر دقت سيستم هاي بازشناسي گفتار و گوينده بيفزايد. به همين دليل در اين مقاله سعي شده است تا تأثير استفاده از روش خوشه بندي -C ميانگينة فازي و تعدادي از روش هاي خوشه بندي مقاوم در مقابل دادگان دورافتاده مبتني بر آن مانند خوشه بندي -C ميانگينة فازي-اعتباري، خوشه بندي -C ميانگينة فازي وزندار مبتني بر چگالي و روش جديد خوشه بندي -C ميانگينة فازيِ وزن دارِ مقاوم، بجاي روش خوشه بندي –C ميانگينة سخت در سيستم هاي بازشناسي گوينده مورد بررسي قرار بگيرد. نتايج آزماي شهاي انجام شده، نشان دهندة افزايش دقت سيستمهاي بازشناسي گوينده با استفاده از روش هاي خوشه بندي مقاوم در مقابل دادگان دورافتاده بخصوص روش خوشه بندي -C ميانگينة فازيِ وزندار بجاي روش خوشه بندي –C ميانگينة سخت در توليد مدلهاي مخلوط گوسي است.