Xem trước tài liệu

Đang tải tài liệu...

Thông tin chi tiết tài liệu

Định dạng: PDF
Số trang: 15 trang
Dung lượng: Đang cập nhật

Giới thiệu nội dung

Objective Speech Quality Measurement Using Statistical Data Mining

Tác giả: Wei Zha, Wai-Yip Chan

Lĩnh vực: Speech Quality, Speech Perception, Mean Opinion Scores, Data Mining, Classification Trees, Regression.

Nội dung tài liệu:

Bài báo trình bày một phương pháp tiếp cận mới để thiết kế các thuật toán đo lường chất lượng giọng nói khách quan, dựa trên phương pháp khai thác dữ liệu thống kê. Phương pháp này khắc phục hai nhược điểm chính của các bài kiểm tra nghe chủ quan là tốc độ chậm và chi phí cao. Bằng cách khai thác các đặc trưng biến dạng cảm nhận từ tín hiệu giọng nói, cùng với các kỹ thuật khai thác dữ liệu như cây phân loại và hồi quy (CART) cũng như hồi quy đa biến dạng splines thích ứng (MARS), bài báo đề xuất các thuật toán có khả năng ước lượng chất lượng nghe của người dùng một cách chính xác và hiệu quả. Các thuật toán được thiết kế đơn giản về mặt tính toán, phù hợp cho việc triển khai thời gian thực. Phương pháp thiết kế được đề xuất cũng cho thấy khả năng mở rộng với lượng dữ liệu học tập, hứa hẹn cải thiện hiệu suất thông qua việc đào tạo ngoại tuyến hoặc trực tuyến liên tục. Các thuật toán được thiết kế có hiệu suất vượt trội so với các thuật toán đo lường khách quan hiện đại.

Mục lục chi tiết:

  • 1. INTRODUCTION
  • 2. BACKGROUND
  • 2.1. Current objective methods
  • 2.2. Statistical data mining
  • 2.2.1. CART
  • 2.2.2. MARS
  • 3. PROPOSED DESIGN METHOD
  • 3.1. Auditory processing
  • 3.2. Cognitive mapping
  • 3.2.1. Time segmentation
  • 3.2.2. Severity classification
  • 3.2.3. Context and aggregation
  • 3.2.4. Feature pool
  • 3.3. Feature design and selection
  • 3.3.1. Number of subbands
  • 3.3.2. Design of segmentation and severity classification
  • 3.3.3. Feature selection
  • 3.4. Complexity
  • 4. EXPERIMENT RESULTS
  • 4.1. Speech databases
  • 4.2. CART results
  • 4.3. Hybrid CART-MARS results
  • 4.4. MARS model selection via cross-validation
  • 4.5. Database results
  • 4.6. Scalability
  • 5. CONCLUSION
  • APPENDICES
  • A. FEATURE VARIABLE DEFINITIONS
  • B. GLOBAL MARS MODEL