Earticle

초록

한국어

HMM(Hidden Markov Model)을 이용한 어휘 인식에서 인식 어휘의 모델들의 대한 인식 확률이 이산적인 분포를 나타내며 인식을 위한 계산량이 적은 장점이 있지만 인식률을 계산했을 때 상대적으로 낮은 단점이 있다. 이 를 개선하기 위하여 HMM(Hidden Markov Model) 모델 최적화를 이용한 베이시안 기법 인식률 향상을 제안한다. 본 논문은 HMM 어휘 인식에서 인식을 위한 모델 구성을 가우시안 믹스쳐 모델로 최적화한 인식 모델을 생성하였으며 베이시안 기법인 사전확률과 사후확률을 이용한 인식률을 향상시켰다. 본 논문에서 제안한 방법을 적용한 결과 어휘 인식률에서 97.9%의 인식률을 나타내었다.

영어

In vocabulary recognition using HMM(Hidden Markov Model) by model for the observation of a discrete probability distribution indicates the advantages of low computational complexity, but relatively low recognition rate. Improve them with a HMM model is proposed for the optimization of the Bayesian methods. In this paper is posterior distribution and prior distribution in recognition Gaussian mixtures model provides a model to optimize of the Bayesian methods vocabulary recognition. The result of applying the proposed method, the recognition rate of 97.9% in vocabulary recognition, respectively.

목차

요약
 Abstract
 1. 서론
 2. 관련 연구
  2.1 k-means 기법
  2.2 HMM
 3. HMM 모델을 이용한 베이시안 기법
  3.1 가우시안 HMM 모델
  3.2 베이시안 기법
 4. 실험 결과
 5. 결론
 REFERENCES

저자

• 오상엽 [ Sang Yeon Oh | 가천대학교 컴퓨터미디어융합학과 ] Corresponding Author

참고문헌