چند روش جدید و ساده برای مقداردهی اولیه پارامترهای مخلوط گوسی در الگوریتم EM و کاربرد آن در سیستم تشخیص هویت گوینده
محل انتشار: اولین کنفرانس ملی ریاضیات صنعتی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,246
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
INDMATH01_085
تاریخ نمایه سازی: 10 شهریور 1393
چکیده مقاله:
دسته بندی دقیق داده در مدل مخلوط گوسی که یکی از رایج ترین روشهای دسته بندی در سیستم های تشخیص خودکار گوینده می باشد، یکی از چالشهای مهم در زمینه مذکور است. انتخاب صحیح تعداد توابع گوسی و نیز مقداردهی اولیه پارامترهای مدل مخلوط گوسیدر الگوریتم آموزش EM ، از مسائل بسیار مهم در آموزش مدل مخلوط گوسی است. هدف از این مقاله، پیشنهاد روشهای ساده و در عین حال جدید و کم هزینه برای مقداردهی اولیه مدل مخلوط گوسی و مقایسه آن با روشهای کلاسیک و معمول همچون Vector Quantization است. آزمایشهای انجام شده نشان داد که روشهای ساده و کم هزینه پیشنهادی، از نقطه نظر دقت و کارایی، تفاوت چندانی با روشهای تکراری و پرهزینه ای همچون Splitting LBG ندارند.
کلیدواژه ها:
نویسندگان
محمدعلی کیاء
گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، کرمانشاه
جهانشاه کبودیان
گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه رازی، کرمانشاه
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :