Bu tez çalışmasında Ortak Vektör Yaklaşımı (OVY), yeni bir uygulama olarak metinden bağımsız konuşmacı tanımada kullanılmıştır. OVY’nin başarısı Fisher’in doğrusal ayırtaç analizi (FLDA) ve Gauss katışım modelleri (GMM) yöntemleriyle karşılaştırılmıştır. TIMIT veri tabanı için elde edilen tanıma oranları, OVY ve GMM’in FLDA’dan üstün olduğunu göstermiştir. OVY yöntemiyle bulunan tanıma sonuçları GMM’den elde edilen sonuçlar ile aynı olmakla birlikte, işlem hızı ve bellek ihtiyacı açısından OVY daha avantajlıdır. Bu tez çalışmasında ayrıca GMM’den elde edilen sonuçların iyileştirilmesi için OVY ve GMM’in birleşiminden oluşan yeni bir yöntem önerilmiştir.
In this doctoral dissertation, the common vector approach (CVA) is newly used for text-independent speaker recognition. The performance of CVA is compared with those of Fisher’s linear discriminant analysis (FLDA) and Gaussian mixture models (GMM). The recognition rates obtained for the TIMIT database indicate that CVA and GMM are superior to FLDA. However, while the recognition rates obtained from CVA and GMM are identical, CVA has the advantages in terms of processing power and memory requirement. In order to obtain better results than those achieved with GMM, a new method which is a combination of CVA and GMM is proposed in this study.
