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

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.

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