Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Discrete Wavelet Transform for Automatic Speaker Recognition

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F10%3A00503960" target="_blank" >RIV/49777513:23520/10:00503960 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Discrete Wavelet Transform for Automatic Speaker Recognition

  • Popis výsledku v původním jazyce

    This paper deals with automatic speaker recognition. The main goal of this paper is to use and evaluate several Wavelet Transforms instead of the conventional parametrizations that are usually used as a parametrization method of automatic speaker recognition. Three discrete wavelet families with different number of coefficients have been used and evaluated: Daubechies, Symlets and Coiflets with two classifiers: Gaussian Mixture Model (GMM) and Multi-Layer Perceptron (MLP) on two Czech speaker corpora. We show that recognition accuracy of wavelet parametrizations is very good and sometimes outperform the best parametrizations that were presented in our previous work.

  • Název v anglickém jazyce

    Discrete Wavelet Transform for Automatic Speaker Recognition

  • Popis výsledku anglicky

    This paper deals with automatic speaker recognition. The main goal of this paper is to use and evaluate several Wavelet Transforms instead of the conventional parametrizations that are usually used as a parametrization method of automatic speaker recognition. Three discrete wavelet families with different number of coefficients have been used and evaluated: Daubechies, Symlets and Coiflets with two classifiers: Gaussian Mixture Model (GMM) and Multi-Layer Perceptron (MLP) on two Czech speaker corpora. We show that recognition accuracy of wavelet parametrizations is very good and sometimes outperform the best parametrizations that were presented in our previous work.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/2C06009" target="_blank" >2C06009: Prostředky tvorby komplexní báze znalostí pro komunikaci se sémantickým webem v přirozeném jazyce</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2010

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    CISP 2010, Vol. 7

  • ISBN

    978-1-4244-6514-9

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    3514-3518

  • Název nakladatele

    IEEE

  • Místo vydání

    New York

  • Místo konání akce

    Yantai, China

  • Datum konání akce

    16. 10. 2010

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku