ارزیابی سه ویژگی مبتنی بر بعد فرکتال کوتاه مدت و مشخصات فرمنت ها برای طبقه بندی خودکار گفتار طبیعی و پاتولوژیک
Publish Year: 1384
Type: Conference paper
Language: Persian
View: 2,324
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICIKT02_024
Index date: 2 January 2008
ارزیابی سه ویژگی مبتنی بر بعد فرکتال کوتاه مدت و مشخصات فرمنت ها برای طبقه بندی خودکار گفتار طبیعی و پاتولوژیک abstract
در این مقاله به منظور تشخیص نارسایی های گفتاری و با استفاده از طبقه بندی خودکار صداهای طبیعی و پاتولوژیک، به استخراج ویژگی های مرتبط با هدف از سیگنال صوتی واکه کشیده شده پرداخته ایم. دادگان مورد استفاده در این تحقیق شامل 329 سیگنال صدای بیمار و 58 سیگنال صدای طبیعی بود. ویژگی های استخراج شده شامل بعد فرکتال سیگنال، فرکانس فرمنت اول واکه و نسبت دامنه فرمنت اول به دوم واکه بوده است. بعد فرکتال سیگنال بیانگر میزان کمی نوسانات کوتاه مدت در داخل سیگنال است و مشخصات فرمنت ها حاوی اطلاعات تولیدی واکه می باشند. به منظور ارزیابی و مقایسه کارایی ویژگی ها برای طبقه بندی، نسبت پراکندگی بین کلاسی به مجموع پراکندگی های داخل کلاسها برای هر یک از سه ویژگی و برای ترکیب آنها محاسبه گردید. نتایج بیانگر قابلیت بالای ویژگی بعد فرکتال سیگنال برای تمایز سیگنال های طبیعی از پاتولوژیک می باشد. در ادامه با استفاده از یک شبکه عصبی جلوسوی پرسپترون به طبقه بندی سیگنال ها با توجه به این سه ویژگی پرداختیم و به درصد صحت 85/09% برای داده غیر تعلیم رسیدیم.
ارزیابی سه ویژگی مبتنی بر بعد فرکتال کوتاه مدت و مشخصات فرمنت ها برای طبقه بندی خودکار گفتار طبیعی و پاتولوژیک Keywords:
ارزیابی سه ویژگی مبتنی بر بعد فرکتال کوتاه مدت و مشخصات فرمنت ها برای طبقه بندی خودکار گفتار طبیعی و پاتولوژیک authors
بهرام وزیرنژاد
دانشجوی دکتری مهندسی پزشکی، گرایش بیوالکتریک، دانشگاه صنعتی امیرکبیر
محمدحسن مرادی
دانشیار دانشکده مهندسی پزشکی، گرایش بیوالکتریک، ، دانشگاه صنعتی امیرکبیر
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 :