تعیین تعداد گویندگان در فایل گفتاری به منظور ردیابی گوینده به کمک الگوریتم خوشهبندی کلونی مورچهها

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,195

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI12_054

تاریخ نمایه سازی: 23 دی 1386

چکیده مقاله:

در اکثر روشهای خوشهبندی فرض میشود که تعداد دقیق خوشهها در آغاز مشخص است، که البته این فرض در بیشتر مواقع صحت ندارد. در ردیابی و خوشهبندی گفتار مبتنی بر گوینده عمدتا ما اطلاعی از تعداد دقیق گویندهها در قطعه گفتاری نداریم. در این مقاله روشی مبتنی بر الگوریتم خوشه بندی کلونی مورچهها به منظور تعیین تعداد گویندگان در یک فایل گفتاری و خوشهبندی قطعات مربوط با هر یک از گویندگان پیشنهاد شده است. الگوریتم کلونی مورچهها یک الگوریتم شبه تصادفی است که قادر به تخمین تعداد خوشههای مناسب برای یک مجموعه از دادههای ورودی میباشد. در روشی که در این مقاله پیشنهاد میگردد، در ابتدا به کمک الگوریتم مورچهها یک خوشهبندی اولیه از قطعات گفتاری ایجاد میشود و تعداد گویندگان موجود در گفتار تخمین زده میشود. سپس با استفاده از روشهای خوشهبندی متداول، خوشهبندی قطعات گفتاری انجام میگردد. همچنین در این مقاله روشی پیشنهاد میشود که با کمک آنها بتوان تعداد تخمین زده شده از گویندگان را به مقدار صحیح نزدیکتر نمود.

نویسندگان

محمدحسین معطر

دانشجوی دکترای مهندسی کامپیوتر هوش مصنوعی، دانشکده مهندسی کامپیوتر

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 :
  • جدول 6 نشان می‌دهد که در این حالت مجموع خطای ...
  • دانشگاه شهید بهشتی، دانشکده مهندسی برق و کامپیوتر، تهران، ایران، ...
  • J. Ajmera and H. Bourlard and I. Lapidot, «Improved Unkn ...
  • J. Ajmera and H. Bourlard and I. Lapidot and I. ...
  • A. Tritschler and R. Gopinath, "Improved Speaker Segmentation and Segment ...
  • P. Kanade and L.O. Hall, *Fuzzy Ants as a Clustering ...
  • E. Lumer and B. Faieta, « Diversity and Adaptation in ...
  • J.L. Deneubourg and S. Goss and N. Francs and A. ...
  • C-F Tsai and H-C Wu and C-W Tsai, ، A ...
  • V. Ramos and J.J. Merelo, ،، Self Organized Stigmergic Document ...
  • N. Monmarche and M. Silmane and G. Venturini , ، ...
  • G. Schwarz, * Estimating the Dimension of a Model, * ...
  • S. Chen and P. S. Gopalakri shnan, *Speaker Environment And ...
  • J. Bezdek, Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum ...
  • A. Jain and R. Dubes, Algorithms for Clustering Data, Prent ...
  • نمایش کامل مراجع