معرفی روش جدید مدل مخلوط گوسی مبتنی بر مدل جهانی مختص هر گوینده در کاربرد تصدیق هویت گوینده

Publish Year: 1384
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,947

This Paper With 9 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICIKT02_114

تاریخ نمایه سازی: 12 دی 1386

Abstract:

در این مقاله رویکرد جدید مدل مخلوط گوسی مبتنی بر مدل جهانی خاص هر گوینده ارایه شده است و نشان داده شده است که رویکرد پیشنهادی نسبت به مدل مخلوط گوسی مبتنی بر مدل جهانی عمومی کارایی بهتری در تصدیق هویت گوینده مستقل از متن دارد. همچنین در این مقاله تکنیک وزن دهی امتیازات و استفاده از SVM جهت بهبود فرایندتصمیم گیری پیشنهاد شده است. بطوریکه در نتیجه استفاده از روشهای فوق، راندمان سیستم از مقدار 97/14 به ترتیب به مقادیر 97/22 و 98/3 افزایش یافته است. در نهایت مقایسه ای نیز بین رویکرد پیشنهادی و شبکه LVQ انجام شده است. در روش LVQ نیز دو رویکرد جهت محاسبه امتیازات گویندگان بررسی شده است. نتایج نشان می دهندکه درحالت کلی روش GMM نسبت به LVQ در تصدیق هویت گوینده عملکرد بهتری دارد.

Keywords:

تصدیق هویت گوینده , شبکه عصبی کوانتیزاسیون برداری , مدل مخلوط گوسی مبتنی بر مدل جهانی عمومی , مدل مخلوط گوسی مبتنی بر مدل جهانی مختص هر گوینده

Authors

محمدمهدی همایونپور

استادیار دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر

مجید رئیسی دهکردی

دانشجوی کارشناسی ارشد دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر

جهانشاه کبودیان

دانشکده مهندسی کامپیوتر و فناوری اطلاعات، 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 :
  • ج. کبودیان، تصدیق هویت گوینده با استفاده از شبکه عصبی ...
  • J. Campbell, "Speaker Recognition: A Tutorial, " Proc. of the ...
  • S. Haykin, Neural networks. A c omprehensive foundation, Prentice Hal. ...
  • D.A. Reynolds, "Large Population Speaker Identification using Clean and Telephone ...
  • D.A. Reynolds, "Speaker Identification and Verification using Gaussian Mixture Models", ...
  • D.A. Reynolds, Gaussian Mixture Modeling Approach to Text Independent Speaker ...
  • V. Wan, Speaker Verification using Support Vector Machines, Ph.D. Thesis, ...
  • C.J.C. Burges, "A Tutorial On Support Vector Machines for Pattern ...
  • C. Cortes, V. Vapnik, "Support Vector Networks", Machine Learning, vol. ...
  • M. M. Homayounp Our, and G. Chollet, "Neural Nets Approaches ...
  • نمایش کامل مراجع