روش جدید برای کاهش زمان آموزش در تشخیص گوینده با استفاده از مدل ماشین بردار پشتیبان
محل انتشار: شانزدهمین کنفرانس مهندسی برق ایران
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,390
فایل این مقاله در 6 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:
ICEE16_277
تاریخ نمایه سازی: 6 اسفند 1386
چکیده مقاله:
امروزه، در کاربردهای مختلف نیاز گسترده ای به تایید هویت افراد به وجود آمده است. صوت به دلیل ویژگی های خاص خود، کاربرد ویژه ای در تشخیص هویت یافته است. در این مقاله سیستم های تشخیص هویت گوینده با استفاده از سیگنال صوتی را مورد مطالعه و بررسی قرار داده ایم. یکی از مناسبترین روش هایی که تا کنون در این زمینه به کار گرفته شده است استفاده از ماشین بردار پشتیبان برای مدل سازی است.
مشکل عمده استفاده از ماشین بردار پشتیبان سرعت پایین آن در آموزش و تشخیص است. جهت کاهش زمان آموزش، روشی تحت عنوان (Pre SubClassing-SVM (PSCSVM معرفی گردیده است. در این روش داده های آموزشی مربوط به هر گویندهف به تعدادی زیر کلاس تقسیم می گردد و مدل SVM برای تمامی زیر کلاسهای مربوط به تمامی گوینده ها آموزش می بیند. این روش باعث کاهش پیچیدگی مرز بین کلاس ها می گردد، که خود در نهایت سبب کاهش زمان آموزش می گردد.
کلیدواژه ها:
نویسندگان
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 :