Entrenamiento Discriminativo Maximizando una Distancia entre Modelos de Clases

  • Milton O. Sarria-Paja M.Sc. Ingeniero Electrónico, Docente Ocasional Instituto Tecnológico Metropolitano, Grupo MIRP, Medellín
  • Cesar G. Castellanos-Domínguez Ph. D. Ingeniero en Telecomunicaciones, Docente asociado al departamento de Ingeniería Eléctrica, Electrónica y Computación de la Universidad Nacional de Colombia – Manizales, Grupo de control y procesamiento digital de señales, Medellín
Palabras clave: Modelos Ocultos de Markov, Detección de patologías, Entrenamiento discriminativo, Curvas de desempeño.

Resumen

En este trabajo se presenta una técnica de entrenamiento discriminativo para modelos ocultos de Markov, orientado a la detección de patologías en señales de voz. La técnica busca maximizar el área que encierra la curva ROC (Receiver Operating Characteristic curve) ajustando los parámetros de modelo, empleando como función objetivo la distancia entre las medias de las funciones de densidad de probabilidad subyacentes asociadas a cada clase. Como resultado se obtiene una mejora en el desempeño del sistema de clasificación comparada con diferentes criterios de entrenamiento.

Cómo citar
[1]
M. O. Sarria-Paja y C. G. Castellanos-Domínguez, «Entrenamiento Discriminativo Maximizando una Distancia entre Modelos de Clases», TecnoL., pp. 113–132, jun. 2010.

Descargas

Los datos de descargas todavía no están disponibles.
Publicado
2010-06-23
Sección
Artículos

Métricas

Crossref Cited-by logo