ارایه راهکاری جهت بهبود شناسایی گویندگان مستقل از متن فارسی زبان بر اساس انتخاب ویژگیهای گفتار با الگوریتم ازدحام ذرات باینری

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ارایه راهکاری جهت بهبود شناسایی گویندگان مستقل از متن فارسی زبان بر اساس انتخاب ویژگیهای گفتار با الگوریتم ازدحام ذرات باینری دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارایه راهکاری جهت بهبود شناسایی گویندگان مستقل از متن فارسی زبان بر اساس انتخاب ویژگیهای گفتار با الگوریتم ازدحام ذرات باینری  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی ارایه راهکاری جهت بهبود شناسایی گویندگان مستقل از متن فارسی زبان بر اساس انتخاب ویژگیهای گفتار با الگوریتم ازدحام ذرات باینری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارایه راهکاری جهت بهبود شناسایی گویندگان مستقل از متن فارسی زبان بر اساس انتخاب ویژگیهای گفتار با الگوریتم ازدحام ذرات باینری :

تعداد صفحات :۱۷

چکیده مقاله:

شناسایی گوینده بر اساس ویژگی های گفتار یکی از روشهای مهم تشخیص هویت است. معمولا تمام ویژگیهای گفتار انسان مفید و موثر نیستند. وجود ویژگیهای زیاد، تکراری و نامناسب باعث بالا رفتن هزینه مدلسازی و کاهشدقت در شناسایی گوینده میشود. هدف از انتخاب ویژگی، حداقل کردن ابعاد فضای ویژگی، کاهش هزینههای محاسباتی و اقتصادی، افزایش دقت دستهبند و … است. در این مقاله یک روش موثر مبتنی بر همافزایی الگوریتمبهینه سازی ازدحام ذرات باینری با مدل مخلوط گوسی ) PSO_GMM ( به منظور انتخاب ویژگیهای مناسب گفتار و بهبود کارایی سیستمهای بازشناسی گوینده مستقل از متن ارایه شده است. الگوریتم پیشنهادی را در یک گروه ۴۰نفره از زنان و مردان بین سنین ۳۰ تا ۵۰ سال که به طور تصادفی از پایگاه داده فارس دات انتخاب شدهاند مورد آزمایش قرار دادیم. برای هر گوینده، ۳۹ ویژگی از گفتاربر اساس روش LPCC ، مشتق اول، مشتق دوم و ضریب انرژی در نظر گرفته شده است. مدلسازی گویندگان بر اساس مدل مخلوط گوسی ) GMM ( می باشد و برای انتخاب ویژگی-های موثر از الگوریتم بهینهسازی ازدحام ذرات باینری استفاده شده است. نتایج آزمایشات نشان دادند سیستم پیشنهادی PSO_GMM با انتخاب مناسب ویژگیهای گفتار به طور متوسط دقت شناسایی هویت گوینده را ۷/۵۳درصد نسبت به مدل مخلوط گوسی پایه افزایش و تعداد ویژگیهای انتخابی را به میزان %۵۳/۸۴ نسبت به مدل مخلوط گوسی پایه کاهش داد