روش جدید برای کاهش زمان آموزش در تشخیص گوینده با استفاده از مدل ماشین بردار پشتیبان
Publish place: 16th Iranian Conference on Electric Engineering
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,392
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE16_277
تاریخ نمایه سازی: 6 اسفند 1386
Abstract:
امروزه، در کاربردهای مختلف نیاز گسترده ای به تایید هویت افراد به وجود آمده است. صوت به دلیل ویژگی های خاص خود، کاربرد ویژه ای در تشخیص هویت یافته است. در این مقاله سیستم های تشخیص هویت گوینده با استفاده از سیگنال صوتی را مورد مطالعه و بررسی قرار داده ایم. یکی از مناسبترین روش هایی که تا کنون در این زمینه به کار گرفته شده است استفاده از ماشین بردار پشتیبان برای مدل سازی است.
مشکل عمده استفاده از ماشین بردار پشتیبان سرعت پایین آن در آموزش و تشخیص است. جهت کاهش زمان آموزش، روشی تحت عنوان (Pre SubClassing-SVM (PSCSVM معرفی گردیده است. در این روش داده های آموزشی مربوط به هر گویندهف به تعدادی زیر کلاس تقسیم می گردد و مدل SVM برای تمامی زیر کلاسهای مربوط به تمامی گوینده ها آموزش می بیند. این روش باعث کاهش پیچیدگی مرز بین کلاس ها می گردد، که خود در نهایت سبب کاهش زمان آموزش می گردد.
Keywords:
Authors
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 :