دسته بندی قطعات یک ثانیه صوت به صحبت و موزیک مبتنی بر ماشین بردار پشتیبان و شبکه عصبی پرسپترون چند لایه
محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 803
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE04_036
تاریخ نمایه سازی: 6 مهر 1391
چکیده مقاله:
در بسیاری از خبرگزاری ها، جداسازی صحبت و موزیک به منظور منحصر نمودن صحبت، جهت کاربردهای مربوط به صحبت انجام می شود. در این مقاله با هدف دسته بندی صوت به دو دسته صحبت و موزیک از مدل سازی تبدیل موجک برای صوت استفاده شده و به کمک دو روش ماشین بردار پشتیبان و شبکه عصبی پرسپترون چند لایه دسته بندی شده است. این دسته بندی بر مبنای فاصله زمانی 1 ثانیه انجام پذیرفته است. نتایج بدست آمده حاکی از کارایی بالا در استخراج ویژگی به کمک تبدیل موجک Bior5.5 همراه با دسته بندی ماشین بردار پشتیبان با میزان خطای 2/81% می باشد. میانگین خطای دسته بندی در شبکه عصبی پرسپترون چند لایه 5/31% بدست آمد.
کلیدواژه ها:
نویسندگان
عماد عباسی صید آباد
دانشجوی کارشناسی ارشد برق- کنترل دانشگاه آزاد اسلامی واحد گناباد
فواد رحیم زاده تبریزی
دانشجوی کارشناسی ارشد برق- کنترل دانشگاه آزاد اسلامی واحد گناباد
جلیل شیرازی
استادیار دانشگاه آزاد اسلامی- گروه برق- واحد گناباد
مجتبی روحانی
استادیار دانشگاه آزاد اسلامی- گروه برق- واحد گناباد
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 :