پریسا پورآصف - دانشگاه آزاد اسلامی واحد دزفول، گروه معماری سیستم های کامپیوتری، دزفول، ایران
محمد خیراندیش - دانشگاه آزاد اسلامی واحد دزفول، استادیار گروه معماری سیستم های کامپیوتری، دزفول، ایران

در این مقاله روشی جدید برای بازشناسی جنسیت گوینده و مبتنی بر ICA، جهت انتخاب بردارهای ویژگی ارایه شده است. 200 نمونه گفتار زن و مرد از دادگان فارس دات، بدون توجه به لهجه گویندگان، برای ارزیابی سیستم انتخاب شده است. 17 نوع بردار ویژگی با طول و مقادیر متفاوت و طبقه بندهای KNN و SVM در این روش مورد استفاده قرار گرفته اند. بر اساس انتخاب یک بردار از بین تمام بردارهای ویژگی، دقت 100 درصد برای بازشناسی جنسیت گویندگان زن و مرد حاصل شده است.

بازشناسی جنسیت گوینده، انتخاب ویژگی، الگوریتم رقابت استعماری