Etude des techniques de classement "machines à vecteurs supports" pour la vérification automatique du locuteur

Content Provider	Semantic Scholar
Author	Kharroubi, Jamal
Copyright Year	2002
Abstract	Les SVM (Support Vector Machines) sont de nouvelles techniques d'apprentissage statistique proposees par V.Vapnik en 1995. Elles permettent d'aborder des problemes tres divers comme le classement, la regression, la fusion, etc... Depuis leur introduction dans le domaine de la Reconnaissance de Formes (RdF), plusieurs travaux ont pu montrer l'efficacite de ces techniques principalement en traitement d'image. L'idee essentielle des SVM consiste a projeter les donnees de l'espace d'entree (appartenant a deux classes differentes) non-lineairement separables dans un espace de plus grande dimension appele espace de caracteristiques de facon a ce que les donnees deviennent lineairement separables. Dans cet espace, la technique de construction de l'hyperplan optimal est utilisee pour calculer la fonction de classement separant les deux classes. Dans ce travail de these, nous avons etudie les SVM comme techniques de classement pour la Verification Automatique du Locuteur (VAL) en mode dependant et independant du texte. Nous avons egalement etudie les SVM pour des tâches de fusion en realisant des experiences concernant deux types de fusion, la fusion de methodes et la fusion de modes. Dans le cadre du projet PICASSO, nous avons propose un systeme de VAL en mode dependant du texte utilisant les SVM dans une application de mots de passe publics. Dans ce systeme, une nouvelle modelisation basee sur la transcription phonetique des mots de passe a ete proposee pour construire les vecteurs d'entree pour notre classifieur SVM. En ce qui concerne notre etude des SVM en VAL en mode independant du texte, nous avons propose des systemes hybrides GMM-SVM. Dans ces systemes, trois nouvelles representations de donnees ont ete proposees permettant de reunir l'efficacite des GMM en modelisation et les performances des SVM en decision. Ce travail entre dans le cadre de nos participations aux evaluations internationales NIST. Dans le cadre du projet BIOMET sur l'authentification biometrique mene par le GET (Groupe des Ecoles de Telecommunications), nous avons etudie les SVM pour deux tâches de fusion. La premiere concerne la fusion de methodes ou nous avons fusionne les scores obtenus par les participants a la tâche ``One Speaker Detection'' aux evaluations NIST'2001. La seconde concerne la fusion de modes menee sur les scores obtenus sur les quatre differentes modalites de la base de donnees M2VTS. Les etudes que nous avons realisees representent une des premieres tentatives d'appliquer les SVM dans le domaine de la VAL. Les resultats obtenus montrent que les SVM sont des techniques tres efficaces et surtout tres prometteuses que ce soit pour le classement ou la fusion.
File Format	PDF HTM / HTML
Alternate Webpage(s)	https://pastel.archives-ouvertes.fr/pastel-00001124/document
Language	English
Access Restriction	Open
Content Type	Text
Resource Type	Article