REDUCCIóN DE ESPACIOS DE ENTRENAMIENTO DE HMMS EMPLEANDO DPCA

摘要

Se desarrolla una metodología de reducción de espacios de entrenamiento, basado en la extracción dinámica de características, para obtener un mayor desempe?o en un sistema de clasificación con un costo computacional bajo, empleando DPCA, técnica de análisis que muestra ser eficiente en la selección de las componentes principales que tienen mayor influencia en el desempe?o del sistema de clasificación con problemas de alta dimensionalidad. Para los experimentos se emplea un sistema de reconocimiento basado en modelos ocultos de Mar kov (Hidden Markov Models a€“ HMMs), para modelar la dinámica estocástica presente en se?ales acústicas y en se?ales MER (Micro Electro de Recording). Como resultado se obtiene un mejor rendimiento del sistema de clasificación con un conjunto de características reducido, en comparación con el desempe?o que presenta el sistema cuando se emplea el espacio de características completo.