بررسی روشهای دسته بندی Bayesian ، GMM ، KNN و SVM در تشخیص جنسیت گوینده از روی سیگنال صحبت
محل انتشار: سومین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,380
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE03_061
تاریخ نمایه سازی: 18 مهر 1390
چکیده مقاله:
شناسایی خودکار زن یا مرد بودن افراد از روی بردارهای ویژگی سیگنالهای صحبت آنها یکی از زمینه های تحقیقی جذاب در مباحث تشخیص الگو می باشد در این مقاله از ضرایب MFFCC به عنوان بردارهای ویژگی استفاده شده و چهار روش دسته بنید الگو برای مدلسازی و شناسایی پیاده سازی و مورد ارزیابی قرارگرفته است نتایج بدست آمده نشان میدهند در میان روشهای بررسی شده SVM بهترین کارایی را به خود اختصاص میدهد.
کلیدواژه ها:
نویسندگان
جلیل شیرازی
دانشگاه آزاد اسلامی واحد گناباد، استادیار گروه برق
الهه ابراهیمی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد گناباد
فاطمه کوه نشین
دانشجوی کارشناسی ارشد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :