Effects of data duration, model size and session variability on speaker verification performance


Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2009

Tezin Dili: İngilizce

Öğrenci: ERİNÇ DİKİCİ

Danışman: MURAT SARAÇLAR

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Konuşmacı doğrulama, biyometrik kimlik denetiminin en zorlayıcı dallarından biridir. Güvenlik sistemlerinden yasal yürütüme kadar geniş bir yelpazede değerlendirilen konuşmacı doğrulama yöntemleri; telefon bankacılığı, adli ses çözümleme ve erişim kontrolü gibi alanlarda kullanılmaktadır. Bu uygulamalarda doğrulama başarımının veri miktarına önemli ölçüde bağlı olduğu ve ses kayıtlarındaki akustik değişimlerden kolayca etkilenebildiği gözlenmiştir. Bu çalışmada veri süresinin, model büyüklüğünün ve oturumlar arası değişkenliğin metinden bağımsız konuşmacı doğrulama başarımına etkisi incelenmektedir.Konuşmacı karakteristiğini tanımlamada Gauss Karışım Modeli/Genel Arkaplan Modeli (GKM/GAM) ve buradan elde edilen süpervektörler ile oluşturulan Destek Vektör Makinaları (DVM) kullanılmış, değişken eğitim ve sınama uzunluklarına ve model karmaşıklıklarına göre sonuçlar karşılaştırılmıştır. Konuşmacı uyarlama yöntemlerinin ve çekirdek fonksiyonu seçiminin doğrulama başarımı üzerindeki etkisi araştırılmıştır. DVM'deki sınıf dengesizliğini gidermek için bir azınlık üst örnekleme yaklaşımı değerlendirilmiştir. Eğitim ve sınama örnekleri arasındaki uyumsuzluktan kaynaklanan oturumlar arası değişkenliğin hata oranlarını artırmasını önlemek amacıyla Sıkıntı Öznitelik İzdüşümü yöntemine başvurulmuştur. CSLU Konuşmacı Doğrulama Veri Kümesi üzerinde, gerek sınırlı gerekse kapsamlı veri durumları için konuşmacı doğrulama sistemlerinin karşılaştırılmalı değerlendirmesi sunulmaktadır.