1. CUIR at Chulalongkorn University
  2. Faculty and Institute
  3. Graduate School - Grad
  4. Grad - Theses
Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/31996
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorสมชาย จิตะพันธ์กุล
dc.contributor.authorเสาวลักษณ์ อารีย์พงศา
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. บัณฑิตวิทยาลัย
dc.date.accessioned2013-06-05T08:12:09Z
dc.date.available2013-06-05T08:12:09Z
dc.date.issued2538
dc.identifier.isbn9746319078
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/31996
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2538en
dc.description.abstractวิทยานิพนธ์นี้เป็นการนำวิธีการของ Hidden Markov Models (HMM) มาใช้ในการรู้จำเสียงตัวเลขภาษาไทยแบบคำโดดไม่ขึ้นกับผู้พูด ปัจจุบันมีการนำ Hidden Markov Models (HMM) ไปใช้ในการรู้จำเสียงพูดภาษาอังกฤษได้เป็นอย่างดี อย่างไรก็ตามวิธีการของ Hidden Markov Models (HMM) ต้องการรูปแบบเพื่อนำมาทำต้นแบบจำนวนมาก งานวิจัยนี้ได้แสดงความสัมพันธ์ระหว่าง ความถูกต้องในการรู้จำเสียงพูดตัวเลขภาษาไทยและจำนวนรูปแบบที่นำมาทำโมเดลต้นแบบ ปรากฏว่า อัตราความถูกต้องในการรู้จำมีค่าเพิ่มขึ้นตามจำนวนรูปแบบ และอัตราการรู้จำเมื่อได้รูปแบบจำนวน 45 ตัวอย่าง จะมีค่าประมาณร้อยละ 84 ซึ่งแสดงให้เห็นว่าเทคนิคนี้มีความเหมาะสมที่จะใช้ในการรู้จำเสียงพูดภาษาไทยได้
dc.description.abstractalternativeThis thesis proposed to use Hidden Markov Model (HMM) and Vector Quantization to recognize Thai numeral speech based on speaker independent. Recently HMM is widely used for English speech modeling because of its performance. However, its algorithm usually requires sufficient training data. This thesis has also shown the relationship between the accuracy of Thai numeral speech recognition versus the number of training sets. The accuracy rate increase, along with the increment of the training data. The rate of recognition is about 84% for 45 training set which shows that this technique is appropriate for Thai speech recognition.
dc.format.extent4708566 bytes
dc.format.extent1174762 bytes
dc.format.extent8175683 bytes
dc.format.extent4515062 bytes
dc.format.extent4215527 bytes
dc.format.extent1166624 bytes
dc.format.extent5700969 bytes
dc.format.mimetypeapplication/pdf
dc.format.mimetypeapplication/pdf
dc.format.mimetypeapplication/pdf
dc.format.mimetypeapplication/pdf
dc.format.mimetypeapplication/pdf
dc.format.mimetypeapplication/pdf
dc.format.mimetypeapplication/pdf
dc.language.isothes
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen
dc.titleการรู้จำเสียงพูดตัวเลขเป็นภาษาไทยแบบไม่ขึ้นกับผู้พูด โดยวิธีฮิดเดนมาร์คอฟโมเดล และเวกเตอร์ควอนไตซ์เซชันen
dc.title.alternativeSpeaker independent thai numeral speech recognition by hidden markov model and vector quantizationen
dc.typeThesises
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตes
dc.degree.levelปริญญาโทes
dc.degree.disciplineวิศวกรรมไฟฟ้าes
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen
Appears in Collections:Grad - Theses

Files in This Item:
File Description SizeFormat 
Saowaluck_ar_front.pdf4.6 MBAdobe PDFView/Open
Saowaluck_ar_ch1.pdf1.15 MBAdobe PDFView/Open
Saowaluck_ar_ch2.pdf7.98 MBAdobe PDFView/Open
Saowaluck_ar_ch3.pdf4.41 MBAdobe PDFView/Open
Saowaluck_ar_ch4.pdf4.12 MBAdobe PDFView/Open
Saowaluck_ar_ch5.pdf1.14 MBAdobe PDFView/Open
Saowaluck_ar_back.pdf5.57 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.