تشخیص نوع گریه نوزاد با استفاده از ضرایب کپسترال مل و خوشه بندی K-means
Publish place: First International Conference on Information Technology, Computer and Telecommunication Engineering
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 808
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTBC01_023
تاریخ نمایه سازی: 20 اسفند 1398
Abstract:
محیط اطراف ما آکنده از صداهای گوناگون است که شناسایی، تعمق و پردازش آنها نتایج شگفت انگیزی به همراه خواهد داشت.یکی از کاربردهای پردازش سیگنال های صوتی کمک به درک بهتر صدای نوزدان و بالطبع رفع نیازهای آنها به شکلی دقیق تر است. در این تحقیق از یک روش دسته بندی هوشمند برای شناسایی این صداهای ریتمیک و در نتیجه تشخیص گریه طبیعی از گریه غیرطبیعی نوزاد استفاده شده است. در این روش از ضرایب کپسترال مل و خوشه بندی k-means استفاده شده است که مشخصه آنتروپی و انرژی را به عنوان مشخصه های تاثیرگذار جهت ساخت بردار ویژگی از روی گریه نوزاد بکار میبرد. روش های پیشنهادی دارای پتانسیل خوبی برای انجام طبقه بندی گریه غیرطبیعی نوزاد در سیگنال های پایگاه داده مطروحه است و لازم است که بر روی سیگنال های مشابه نیز مورد بررسی قرار گیرد . در این مرحله براساس دو ویژگی آنتروپی و انرژی به تشخیص گریه غیر طبیعی نوزاد پرداخته شده است . دقت روش پیشنهادی 92% درصد می باشد که بر روی 175 سیگنال جمع آوری شده ازپایگاه داده نوزادن مکزیکی تست شده است.
Keywords:
خوشه بندی – گریه نوزاد – ضرایب کپسترال مل – آنتروپی – انرژی
Authors
علی محمد نادری
دانشجوی کارشناسی ارشد هوش مصنوعی – دانشگاه آزاد اسلامی قزوین،قزوین،ایران
امید سجودی شیجانی
عضو هیئت علمی ،گروه مهندسی کامپیوتر،دانشگاه آزاد اسلامی قروین، قزوین،ایران