ارایه روشی جهت بهبود کارایی سیستم های بازشناسی گویندگان بر اساس هم افزایی الگوریتم ژنتیک با دسته بند مدل مخلوط گوسی به منظور انتخاب ویژگی های موثر گفتار

چکیده مقاله

یکی از روش های شناسایی گویندگان بر اساس ویژگی های گفتار است معمولا0 تمام ویژگیهای گفتار انسان مفید و موثرنیستند وجود ویژگیهای زیاد، تکراری و نامناسب باعث بالا رفتن هزینه مدلسازی و کاهش دقت در شناسایی گوینده میشود هدف از انتخاب ویژگی، کاهش هزینههای محاسباتی و اقتصادی، حداقل کردن ابعاد فضای ویژگی و افزایش دقت دستهبند است در این مقاله، ابتدا یک روش مبتنی بر همافزایی الگوریتم تکاملی ژنتیک با مدل مخلوط گوسی GMM GA به منظور شناسایی هویت گویندگان مستقل از متن، بر اساس انتخاب ویژگی های مناسب گفتار ارایه شده است؛ سپس روش پیشنهادی بر روی دو گروه 40 و 60 نفری از گویندگان پایگاه داده فارسدات مورد آزمایش قرار گرفت؛ و روش پیشنهادی GMM GA با روش شناسایی گویندگان مبتنی بر دستهبند مدل مخلوط گوسی مقایسه شد نتایج آزمایشات دو گروه نشان دادند که در روش پیشنهادی، الگوریتم ژنتیک با انتخاب مناسب ویژگیهای گفتار گوینده، متوسط دقت شناسایی گویندگان مستقل از متن را نسبت به مدل مخلوط گوسی پایه به ترتیب 11/37% و%8/33 افزایش داد همچنین تعداد ویژگیهای انتخابی در این روش به ترتیب 53/84% و 48/7% نسبت به مدل مخلوط گوسی پایه کاهش یافت

کلیدواژه‌ها

نویسندگان

هستی بهاری پور

دانشگاه آزاد اسلامی، واحد دزفول، گروه مهندسی کامپیوتر، دزفول، ایران

�هاری پور، هستی،1396،ارایه روشی جهت بهبود کارایی سیستم های بازشناسی گویندگان بر اساس هم افزایی الگوریتم ژنتیک با دسته بند مدل مخلوط گوسی به منظور انتخاب ویژگی های موثر گفتار،پنجمین کنفرانس بین المللی مهندسی برق و کامپیوتر با تاکید بر دانش بومی،تهران

ارائه‌شده در

مجموعه مقالات ششمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران با نگاه کاربردی بر انرژی های نو12 اردیبهشت 1398 · تهران