DEUX APPROCHES DE NORMALISATION DES ENTREES POUR LA RECONNAISSANCE DE MOTS ISOLES

Abstract

Dans cet article, nous allons présenter deux systèmes de reconnaissance de chiffres parlés anglais, en mode indépendant du locuteur, basé sur les deux stratégies principales de la classifi- cation binaire SVM multi-classes. Cependant, les techniques SVM exigent des vecteurs d'entrée de taille fixe. Pour lever cette difficulté, nous avons utilisé deux approches différentes norma- lisation des entées basées sur le fenêtrage fixe et variable des vecteurs acoustiques des énoncés d’entrées. Le but est de réduire le temps de calcul pendant la phase d’apprentissage et de test des deux stratégies et déterminer ainsi celle qui donne le meilleur taux de reconnaissance. Les résultats trouvées montrent que la chaîne de reconnaissance utilisant la stratégie un contre un comme moteur de reconnaissance et l’approche fenêtre de taille fixe pour normaliser les entrées est beaucoup plus satisfaisante par rapport aux autres chaînes présentées dans notre article. Ce système de reconnaissance atteint un taux de 98,95%, tout en utilisant seulement 13 vecteurs caractéristiques par énoncé en entrées du classifieur, ce qui réduit considérablement le temps d’apprentissage et de test.