메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
벡터 양자화 에러는 음성 인식 성능에 영향을 끼치는 주요한 요소 중의 하나이다. 본 논문에서는 연속 은닉 마르코프 모델로써 한국어 음성을 분류하는 또 다른 벡터 양자화 방법을 제안한다. 본 논문에서 사용한 연속 은닉 마르코프 모델은 음성 신호 공간을 클러스터들로 분류한다. 각 클러스터는 은닉 마르코프 모델의 한 상태에 대응되어 하나의 가우스 함수로 나타내어 진다. 연속 은닉 마르코프 모델의 출력인 상태 열들을 모아 하나의 음성 인식 단위를 나타낸다. 인식 실험 결과 본 논문에서 사용한 벡터 양자화는 한국어 음성을 효율적으로 분류함을 보인다.

목차

요약

1. 서론

2. 은닉 마르코프 모델에 기반을 둔 음소 분류

3. 실험 및 결과

4. 결론

참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2009-569-017927510