Yazar "Çeliktaş, Havva" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    A Study on Turkish Text - Dependent Speaker Recognition
    (Ieee, 2017) Çeliktaş, Havva; Hanilçi, Cemal
    Speaker recognition is a pattern recognition task which has long been studied, but the accuracies are still far from the desired levels. The majority of the studies on speaker recognition demonstrates the results obtained from databases in which English voices are used. Since there are very few studies on Turkish speech, the performance of the known successful methods in Turkish voices are uncertain. Therefore, in this study, the performance on the Turkish text - dependent system is investigated by using Gaussian Mixture Model - Universal Background Model (GMM - UBM) method which is a well known method in speaker recognition systems. In the experimental studies, Turkish speaker recognition database consisting of 46 speakers (36 males and 10 females) is used. Equal error rate (EER) is used to measure system performance. The equal error rate for GMM - UBM method was found to be 5.73%. It has been observed in the experiments that the speaker verification performance of GMM - UBM classifier on Turkish database is encouraging.
  • Küçük Resim Yok
    Öğe
    Türkçe sesler ile konuşmacı kimliğinin doğrulanması/belirlenmesi
    (Bursa Teknik Üniversitesi, 2019) Çeliktaş, Havva; Hanilçi, Cemal
    Konuşmacı tanıma sistemleri son yıllarda oldukça popüler hale gelen ancak üzerinde uzun süredir çalışılmasına rağmen hala istenilen performans başarısı elde edilmemiş bir örüntü tanıma problemidir. Konuşmacı tanıma sistemleri, sesli aramadan telefon bankacılığına, çağrı merkezlerinden adli uygulamalara kadar bir çok alanda aktif olarak kullanılmaktadır. Konuşmacı tanıma alanında yapılan çalışmalar, genellikle İngilizce sesler kullanılarak oluşturulan veritabanlarından elde edilen sonuçları göstermektedir. Türkçe sesler kullanılarak oluşturulan veritabanları ile yapılan çalışmalar az sayıda olduğundan dolayı literatürde bilinen ve uygulanan başarılı yöntemlerin Türkçe sesler üzerindeki performansları hala belirsizdir. Bu sebepten dolayı bu tezde konuşmacı tanıma uygulamalarında literatürde çok sık kullanılan sınıflandırma yöntemlerinden, Gauss Karışım Modeli - Genel Arkaplan Modeli (Gaussian Mixture Model - Universial Background Model), Gauss Karışım Modeli - Destek Vektör Makinaları (Gaussian Mixture Model - Support Vector Machine), Birleşik Etmen Analizi (Joint Factor Analysis - JFA), i-vektör yaklaşımı yöntemleri kullanılarak Türkçe metne bağlı konuşmacı doğrulama sistemi üzerindeki başarı performansları incelenmiştir. Kullanılan sınıflandırma yöntemlerinde Mel - Frekansı Kepstrum Katsayıları (Mel - Frequency Cepstral Coefficients) ve Değiştirilmiş Grup Gecikme Kepstrum Katsayıları (Modified Group Delay Cepstral Coefficients) kullanılarak iki farklı öznitelik yönteminin de konuşmacı tanıma sistemi üzerindeki performans etkisi karşılaştırmalı olarak incelenmiştir. GKM-GAM, GKM-DVM ve JFA sınıflandırıcıları ile yapılan deneysel çalışmalarda 46 konuşmacıdan oluşan Türkçe veritabanı kullanılırken i-vector yaklaşımı kullanılarak yapılan deneysel çalışmalarda ise 59 konuşmacıdan oluşan veritabanı kullanılmıştır. Ayrıca, GKM-GAM sınıflandırıcısıyla yapılan deneylerde, Türkçe sesler ve İngilizce sesler kullanılarak eğitilen arkaplan sesleriyle sistemin dil uyumu arasındaki bağlantının sistem üzerindeki etkisi incelenmiştir. GKM-GAM, GKM-DVM, JFA, i-vektör sınıflandırıcıları ile yapılan deneysel çalışmalarda MFKK ve DGKK olmak üzere, farklı boyutlardaki öznitelik sayılarının ve farklı sayıdaki gauss bileşenlerinin sistem üzerindeki etkisi de karşılaştırmalı olarak ele alınmıştır. Deneysel sonuçlara göre sınıflandırıcılar içerisinden en düşük sistem hatasına sahip olan en başarılı sınıflandırıcı % 4,62 EER değeriyle GKM-GAM sınıflandırıcısı olarak bulunmuştur. Aynı zamanda öznitelik yöntemlerinden MFKK özniteliklerinin DGKK özniteliklerine kıyasla sistem üzerinde daha başarılı sonuçlar verdiği gözlenmiştir.