Makine öğrenme algoritmalarıyla konuşmacı tanılaması

Teknolojinin her geçen gün sürekli gelişmesiyle birlikte, hayatımıza giren otomatik sistem ve cihazların sayısı her geçen gün artmaktadır. Bu yeni teknolojiler ile kontrol edilen sistem ve cihazların güvenliği, kontrolü, sevk ve idare edilmesi gibi durumlar için ayırt edici farklı kontrol mekanizmalarına ihtiyaç duyulmuştur. Bu arayış içerisinde kişiden kişiye değişen, parmak izi tanıma, retina tanıma, yüz tanıma, konuşma tanıma gibi karakteristik özellikleri ayırt etmeye yarayan yöntemler önem kazanmıştır. Bu çalışmada yaşları 18 ile 39 arasında değişen 10 farklı konuşmacıdan alınan konuşma örnekleri ile bir veri seti oluşturulmuştur. Her konuşmacıya bir donanım aracılığıyla, 25 farklı kelime teker teker söyletilerek kaydedilmiştir. Son bir kayıtta bu 25 kelimenin art arda söylenmesi ile oluşturulmuştur. Böylece kişi başı 26 farklı kayıttan oluşan 260 farklı veri elde edilmiştir. Her verinin Matlab programı ile zaman, frekans ve diğer özelliklerine bağlı değerleri çıkarılmıştır. Çıkarılan bu özelliklerin her birinin tanınması istenilen kullanıcı ile olan ilişkisi Pearson korelasyon analizi ile incelenmiştir. Pearson korelasyon analizi sonucu çıkış ile en ilişkili özellikler belirlenerek bir sıralama yapılmıştır. Sonrasında bu sıralamaya göre 14 özelliğin hepsinin, ilk beşinin ve ilk ikisinin kullanılması ile tablolar oluşturulmuştur. Ardından Matlab programının dalgacık dönüşümü arayüzü kullanılarak aynı veri seti için dalgacık dönüşümü analizi gerçekleştirilmiştir. Makine öğrenme algoritmaları bu sürece kadar elde edilen verilerin tamamı ile eğitilerek konuşmacıya yönelik bir tahminde bulunma sürecine tabi tutulmuştur. Bu süreç sonunda farklı makine öğrenme algoritmalarının ses özellik çıkarımı ve dalgacık dönüşümü teknikleriyle eğitimleri sonucu yüzdesel başarı performansları analiz edilerek yorumlanmıştır. Elde edilen sonuçlara göre özellik sayısı azaldıkça tahminlerin doğruluk oranı da azalmaktadır. Dalgacık dönüşüm ile yapılan analizler sonucu elde edilen verilerde, entropi değerinin de bir özellik sayısı olarak düşünülebileceği ortaya çıkmıştır.