L’utilisation de mélanges de Gaussiennes (GMM)

Table des matières

DEDICACE
REMERCIEMENTS
RESUME
ABSTRACT
TABLE DES MATIERES
LISTE DE FIGURES
LISTE DES TABLEAUX
INTRODUCTION GENERALE
CHAPITRE I SYSTEME DE RECONNAISSANCE AUTOMATIQUE DE LOCUTEUR
I. INTRODUCTION AUX SYSTEMES DE RECONNAISSANCE AUTOMATIQUE DE LOCUTEUR  1. Les différentes tâches en RAL
5 1.1. Identification Automatique du Locuteur
1.2. Vérification Automatique du Locuteur
1.3. Indexation automatique en locuteur
2. Dépendance et Indépendance du Texte
3. La variabilité du signal de la parole
II. SYSTEME DE RECONNAISSANCE AUTOMATIQUE DU LOCUTEUR
1. Paramètrisation du signal de parole
1.1. Paramètres de l’analyse spectrale
1.2. Paramètres dynamique
1.3. Paramètres prosodiques
2. Modélisation du locuteur
2.1. Approche Vectorielle
2.2. L’approche statistique
2.3. L’approche connexionniste
2.4. L’approche relative
III. DECISION ET MESURE DE PERFORMANCE
1. Vérification du locuteur
2. Identification du locuteur
Conclusion
CHAPITRE II RECONNAISSANCE DU LOCUTEUR PAR MELANGE DU GAUSSIENNES
I. L’APPROCHE STATISTIQUE GMM-UBM EN RAL
Introduction
1. Schéma général
2. Les Mélanges de Gaussiennes en RAL
3. La densité d’une mélange de gaussienne
4. Mesure de vraisemblances
5. L’algorithme EM (Expectation Maximisation)
6. Le modèle GMM-UBM
7. Adaptation à Postériori MAP
8. Adaptation par MLLR
9. Calcul de score Conclusion
CHAPITRE III MACHINE A VECTEUR SUPPORTS (SVM)
I. MACHINES A VECTEURS SUPPORTS
1. Construction de l’hyperplan optimal
1.1. Cas des données linéairement séparables
1.2. Cas des données non-linéairement séparables
2. Principe des SVM
II. NOYAU DE VECTEUR ET DE SEQUENCE
1. Noyaux de vecteur
1.1. L’astuce de Noyau
1.2. Le noyau entre des vecteurs (Le noyau projectif et radial)
2. Noyau de séquence
2.1. Le noyau GLDS (Generalized Linear Discriminant Scoring)
2.2. Le noyau de Fisher Discriminant (Kernel Fisher Discriminant (KFD))
Conclusion
CHAPITRE IV SVM POUR L’IDENTIFICATION DU LOCUTEUR EN MODE INDEPENDANT DU TEXTE
I. HISTORIQUE
II. APPROCHE HYBRIDE GMM-SVM
1. Description du système
2. Protocole expérimentale
2.1. Base de données
2.2. Paramétrisation
2.3. Modélisation GMM
2.4. Décision
3. Résultats et Evaluation
Conclusion
CONCLUSION ET PERSPECTIVES