ارایه راهکاری برای شناسایی گویندگان مستقل از متن بر اساس روش رپر و مقایسه کارآیی الگوریتم های ژنتیک و ازدحام ذرات در انتخاب ویژگی های موثر گفتار

گفتار انسان شامل ویژگیهایی است که میتوان از طریق آنها هویت گوینده را مشخص کرد. سیستمهای بازشناسی گوینده به علت پیادهسازی ساده، هزینه سخت افزاری پایین و دقت تشخیص مناسب، نسبت به سایر سیستمهای تشخیص هویتکه از پارامترهای بیومتریک استفاده میکنند از اهمیت ویژهای برخوردارند. معمولا تمام ویژگیهای استخراج شده از گفتار انسان مفید و موثر نیست. وجود ویژگیهای زیاد، تکراری و نامناسب باعث بالا رفتن هزینه مدلسازی و کاهش دقت درشناسایی هویت گوینده میشود؛ در نتیجه باید راهی بیابیم که از میان ویژگیهای استخراج شده، بهترین زیرمجموعه از ویژگیها را انتخاب کند. در این مقاله، یک روش مبتنی بر همافزایی الگوریتمهای تکاملی مانند ژنتیک یا ازدحام ذرات با مدل مخلوط گوسی به منظور شناسایی هویت گویندگان مستقل از متن، بر اساس انتخاب ویژگیهای مناسب گفتار ارایه شده است.سپس روش پیشنهادی با روش شناسایی گوینده مبتنی بر دستهبند مدل مخلوط گوسی در یک گروه 40 نفره از گویندگان پایگاه داده فارسدات مورد مقایسه قرار گرفته است. بر این اساس، متوسط دقت شناسایی گویندگان مستقل از متن درسیستم پیشنهادی GMM_GA % 37 / 11 و در سیستم پیشنهادی GMM_PSO % 53 / 7 نسبت به دستهبند مدل مخلوطگوسی پایه افزایش داشت. در ادامهی مقاله، کارایی الگوریتم ژنتیک در قیاس با الگوریتم ازدحام ذرات در زمینهی انتخاب ویژگیهای مناسب گفتار جهت افزایش دقت دستهبند و کاهش تعداد ویژگیهای انتخابی مورد بررسی قرار گرفت که در سیستم پیشنهادی، الگوریتم ژنتیک نسبت به الگوریتم ازدحام ذرات، دقت شناسایی گوینده را به طور متوسط % 4 افزایش داد.

Keywords:

انتخاب ویژگی , الگوریتم بهینه سازی ازدحام ذرات , الگوریتم ژنتیک , شناسایی گوینده , گویندهی مستقل از متن , دسته بند مدل مخلوط گوسی