Noise-robust HMM-based pattern recognition using multimodal features and observation uncertainties
- Fortschritte in der Entwicklung von Hidden-Markov-Modell (HMM)-basierter automatischer Mustererkennung haben eine breite Nutzung automatischer Maschinenlernsysteme in vielen modernen Anwendungen ermöglicht. In Umgebungen mit akustischen Störungen leiden Maschinenlernsysteme wie automatische Spracherkennung und automatische Fehlerdiagnose stark unter Eingangssignalverzerrungen, die ihre Leistung dramatisch reduziert. In dieser Dissertation wurden neue Ansätze, die auf Beobachtungsunsicherheiten und multimodalen Merkmalen basieren, vorgeschlagen, um die Robustheit der HMM-basierten Mustererkennungssysteme gegenüber Hintergrundrauschen zu erhöhen. Mit diesen Ansätzen wurden signifikante Leistungsverbesserungen in Anwendungen wie der automatischen Spracherkennung, Sprachverbesserung und der automatischen Fehlerdiagnose erzielt.
Author: | Ahmed Serag Eldin Hussen AbdelazizGND |
---|---|
URN: | urn:nbn:de:hbz:294-45433 |
Referee: | Dorothea KolossaORCiDGND, Reinhold Häb-UmbachGND, Jörg SchwenkGND |
Document Type: | Doctoral Thesis |
Language: | English |
Date of Publication (online): | 2016/01/27 |
Date of first Publication: | 2016/01/27 |
Publishing Institution: | Ruhr-Universität Bochum, Universitätsbibliothek |
Granting Institution: | Ruhr-Universität Bochum, Fakultät für Elektrotechnik und Informationstechnik |
Date of final exam: | 2015/08/24 |
Creating Corporation: | Fakultät für Elektrotechnik und Informationstechnik |
GND-Keyword: | Mustererkennung; Automatische Spracherkennung; Diagnosesystem; Hidden-Markov-Modell; Fehlererkennung |
Institutes/Facilities: | Institut für Kommunikationsakustik, Arbeitsgruppe kognitive Signalverarbeitung |
Dewey Decimal Classification: | Technik, Medizin, angewandte Wissenschaften / Elektrotechnik, Elektronik |
faculties: | Fakultät für Elektrotechnik und Informationstechnik |
Licence (German): | Keine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht |