CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

بهبود روش های متمایز ساز ویژگی براساس خطای دسته بندی کمینه برای بازشناسی گفتار

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۸۵۲ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: ACCSI14_195
زبان مقاله: فارسی
حجم فایل: ۱۰۰.۵۶ کیلوبایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۵ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود روش های متمایز ساز ویژگی براساس خطای دسته بندی کمینه برای بازشناسی گفتار

  آذرخش جلالوند - دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
  بهزاد زمانی دهکردی - دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
  احمد اکبری - دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران
  بابک ناصرشریف - دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران

چکیده مقاله:

یکی از جنبه های مهم دسته بندی الگوها و بازشناسی گفتار، طراحی بخش استخراج ویژگی ها می باشد . برای استخراج مؤثرتر ویژگی ها، گاه تبدیلاتی بر آنها اعمال می شود تا با نگاشت ویژگی ها به فضایی جدید، تفکیک میان کلاس های ویژگی، استقلال آماری ویژگی ها یا مقاومت آنها نسبت به نویز بیشتر گردد . مثال هایی از این نوع تبدیل، آنالیز مؤلفه های اصلی (Principal Components Analysis) و آنالیز تفکی کپذیر خطی(Linear Discriminant Analysis) هستند که در تعیین تبدیل تنها به داده ها توجه می کنند و به نوع دسته بند توجه ی ندارند که این سبب ضعف آنها در بکارگیری به عنوان پیش پردازش ویژگی ها می گردد . در این مقاله ، چهارچوبی برای رفع این ایراد روش های مذکور، با استفاده از معیار کمینه خطای دسته بندی (Minimum Classification Error) برای مدل مخفی مارکوف ارائه شده است . نتایج آزمایش ها روی مجموعه داده Aurora2 نشان می دهد که چهارچوب پیشنهادی کارآیی تبدیل های LDA و PCA را برای ویژگی های گفتاری MFCC هبود می بخشد.

کلیدواژه‌ها:

کمینه خطای دسته بندی، تبدیل ویژگی ها، مدل مخفی مارکوف، آنالیز تفکی کپذیر خطی، آنالیز مؤلفه های اصلی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI14-ACCSI14_195.html
کد COI مقاله: ACCSI14_195

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
جلالوند, آذرخش؛ بهزاد زمانی دهکردی؛ احمد اکبری و بابک ناصرشریف، ۱۳۸۷، بهبود روش های متمایز ساز ویژگی براساس خطای دسته بندی کمینه برای بازشناسی گفتار، چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران، تهران، انجمن کامپیوتر، دانشگاه صنعتی امیر کبیر، https://www.civilica.com/Paper-ACCSI14-ACCSI14_195.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (جلالوند, آذرخش؛ بهزاد زمانی دهکردی؛ احمد اکبری و بابک ناصرشریف، ۱۳۸۷)
برای بار دوم به بعد: (جلالوند؛ زمانی دهکردی؛ اکبری و ناصرشریف، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۷۶۰۶
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.