Resumen de Diseño simultáneo de una etapa de extracción de características y un clasificador basado en hmm.

Julián D. Arias Londoño, Germán Castellanos Domínguez, Juani Godino

• español

  Se presenta una metodología de diseño simultáneo de una etapa de extracción de características y un clasificador basado en modelos ocultos de Markov (HMM), por medio del algoritmo de mínimo error de clasificación (MCE). La extracción de características depende de los estados del modelo y es optimizada utilizando el mismo criterio de ajuste de parámetros del HMM. La metodología es validada en reconocimiento de patologías de voz. Los resultados muestran que el entrenamiento por medio de MCE mejora la eficiencia en comparación con el entrenamiento clásico por máxima verosimilitud. La metodología propuesta disminuye la similitud entre modelos, mejorando el desempeño.

• English

  A hidden Markov model (HMM) � based methodology for simultaneous design of extraction and classification stages is presented. Such a methodology is based on the minimum classification error (MCE) algorithm. The feature extraction is model state � dependent and is optimized using the same criterion of parameter estimation of the HMM. Validation is carried out over an automatic detection of pathological voices problem. The result shows that the MCE training improves the accuracy against the classical maximum likelihood training. The proposed methodology diminished the similarity between models of different classes and improves the performance system.