CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تشخیص جنسیت گوینده با استفاده از ضرایب mfcc نرخ عبور از صفرو انرژی با استفاده از ماشین بردار پشتیبان با هسته rbf

عنوان مقاله: تشخیص جنسیت گوینده با استفاده از ضرایب mfcc نرخ عبور از صفرو انرژی با استفاده از ماشین بردار پشتیبان با هسته rbf
شناسه ملی مقاله: CSITM01_397
منتشر شده در همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات در سال 1393
مشخصات نویسندگان مقاله:

نوید خزین قناد - دانشجوی کارشناسی ارشد – هوش مصنوعی دانشگاه آزاد مشهد
علیرضا زهرایی - دانشجوی کارشناسی ارشد – هوش مصنوعی دانشگاه آزاد فردوس
امیرحسین الستی - کارشناس سخت افزار کامپیوتر – موسسه آموزش عالی خاوران

خلاصه مقاله:
تشخیص جنسیت گوینده ، کاربرد فراوانی در دنیای روز دارد . ما قصد داریم با استفاده از استخراج ویژگی از صدای گوینده و دسته بندی svm نوع جنسیت گوینده را مشخص کنیم . برای اینکه svm بتواند دسته بندی و تشخیص نوع جنسیت گوینده را انجام دهد نیازمند این است که یاد بگیرد صدای زنان چه ویژگی هایی و صدای مردان چه ویژگی هایی را دارند . برای تعیین نوع جنیست گوینده چندین نوع ویژگی متفاوت وجود دارد که هر کدام می تواند بحث تعیین جنسیت را انجام دهد از این نوع ویژگی می توان به Ipcc, mfcc، نرخ عبور از صفر و انرژی اشاره کرد . که نشان می دهیم چگونه می توان با الهام از الگوریتم های تکاملی و با ترکیب دو نوع ویژگی مانند نرخ عبور از صفر و انرژی و mfcc و تولید یک داده آموزشی جدید بتوان دسته بندی دقیق تر و تعیین جنسیت دقیق تری را تجربه کرد.

کلمات کلیدی:
تعیین جنسیت گوینده، mfcc، نرخ عبور از صفر، انرژی، zcr، الگوریتم تکاملی، svm، بردار پشتیبان

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/282938/