بررسی روش های استخراج ویژگی برای تشخیص ناهنجاری های حنجره به کمک سیگنال های صوتی و طبقه بند SVM (ماشین بردار پشتیبان)
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,021
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AIHE09_194
تاریخ نمایه سازی: 22 مهر 1394
Abstract:
معمولاً روش های تشخیص بیماری های حنجره پرهزینه و زمانبر هستند، به همین دلیل محققان در پی یافتن روشی هستند که کم هزینه و ساده باشند . از جمله روش های نوین و غیر تهاجمی برای تشخیص بیماری های حنجره ،روش پردازش سیگنال های صوت است. تاکنون روشهای متنوعی به منظور ردیابی اثر به جا مانده بر روی سیگنالهای گفتاری در اثر وقوع ناهنجاریهای گوناگون توسط محققان در زمینه نارسایی های صوتی مورد بحث و بررسی قرار گرفته است.محققان علاوه بر نمونه هایی که سیگنالها را تنها از دوجنبه سالم و بیمار مورد بحث و بررسی قرار داد ه اند، به کارهای دقیق تری که روند تغییرات مشخصات سیگنالهای گفتاری درنمونه های خاصی از ناهنجاری تارهای صوتی، به عنوان مثال فلج تارهای صوتی، در مقایسه با سیگنالهای ثبت شده از افراد سالم پرداخته اند و یا کارهایی انجام دادند که دو نمونه از ناهنجاری را از هم تفکیک کرده اند. سیگنال گفتار ویژگی های زیادی دارد که عموماً با طیف لحظه ای سیگنال گفتار یا شکل مجرای گفتار و ... مرتبط می باشد. پردازش این همه ویژگی کاری عاقلانه وعملی نخواهد بود. بدین منظور تبدیلاتی بر روی سیگنال گفتار انجام می شود تا بتوان ویژگی مورد نظر را استخراج کرد. استخراج ویژگی به دو دلیل انجام می گیرد: اول اینکه سبب تمرکز روی اطلاعات موجود در سیگنال می شود و این منجر به بهبود میزان شباهت و عدم شباهت میان کلاس های مختلف می شود. دوم آنکه داده ها را به نحو قابل ملاحظه ای کاهش داده در نتیجه محاسبات به میزان زیادی کم می شود.در این مقاله ویژگی های استخراج شده در این مقالات را همراه طبقه بند SVM مورد بررسی قرار داده است.
Keywords:
Authors
فاطمه صالحی
دانشجوی کارشناسی ارشد، دانشکده کامپیوتر، دانشگاه آزاد اسلامی واحد نجف آباد
سیده سمیه حسینی
دانشجوی کارشناسی ارشد، دانشکده کامپیوتر، دانشگاه آزاد اسلامی واحد نجف آباد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :