In this thesis, we propose a hybrid clustering algorithm called Modified Mutual Nearest Neighborhood (MMNN) clustering, which is aimed at superior performance to other clustering method for speaker independent isolated word recognition. This algorithm, compared to other clustering methods, Unsupervised Without Averaging (UWA) and Chainmap, shows better performance by generating more reliable reference patterns.
A new cluster center determination method was devised. Its performance is superior to minimax. And the cluster center determined by this method is one of the real training pattern which saves many computation time.
본 논문에서는, 독립화자 음성인식에서 표준 패턴을 생성하는 방법중의 하나인 clustering 방법과 각 cluster 의 대표값을 정하는 방법에 대해서 알아보고 각각에 대해서 새로운 방법을 제안하였다.
제안된 새로운 clustering 방법은 Modified Mutual Nearest Neighborhood로 기존의 UWA 나 Chainmap보다 좋은 실험 결과를 보여주었다. 또 본 논문에서는 Cluster의 대표값을 정하는 새로운 방법으로 minsum을 제안했다. 이 방법은 기존의 minimax 방법보다는 항상 좋은 실험 결과를 보여 주었다.
본 논문에서 제안한 방법과 기존의 방법을 비교하기 위해서 0부터 9까지의 한국어 숫자음 10개에 대해서 실험이 수행되고 분석되었다.
