دسته بندی اصوات محیطی با استفاده از خوشه بندی و شبکه های عصبی عمیق پیچشی

چکیده مقاله

در این مقاله روشی بر مبنای ترکیب یادگیری با نظارت و یادگیری غیر نظارتی برای دسته بندی اصوات محیطی مجموعه ی دادگان ۱۰ ESC معرفی می گردد که در آن تبدیل فوریه زمان کوتاه بر مبنای فرکانس مل و لگاریتم اسپکترو گرام بر مبنای ضرایب مل صدای وروی، استخراج شده و به الگوریتم خوشه بندیK means بداده میشود و به اعضای هر خوشه برچسبی خاص آن خوشه تعلق می گیرد، سپس داده ی ورودی به همراه برچسب های جدید خود به عنوان ورودی به یک شبکه ی عصبی عمیق پیچشی داده میشود این روش در کنار استفاده از داده افزایی در جهت افزایش نمونه های آموزشی، توانست عملکرد بسیار خوبی از خود نشان دهد و بر روی مجموعه ی دادگان ESC ۱۰ به دقت میانگین ۹۱/۱درصد بر روی دسته های مختلف دست یابد

کلیدواژه‌ها

نویسندگان

علیرضا خبازان

دانشجوی کارشناسی ارشد، دانشگاه شهید بهشتی،

حمیدرضا مطلبی زاده

دانشجوی کارشناسی ارشد، دانشگاه شهید بهشتی

یاسر شکفته

استاد یار، دانشگاه شهید بهشتی

�بازان، علیرضا و مطلبی زاده، حمیدرضا و شکفته، یاسر،1399،دسته بندی اصوات محیطی با استفاده از خوشه بندی و شبکه های عصبی عمیق پیچشی،چهارمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز

ارائه‌شده در

مجموعه مقالات پنجمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی15 اسفند 1400 · اهواز