افزایش دقت تشخیص خودکار زبان با استفاده از ویژگی های طیفی و شبکه عصبی WRBF

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 596

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

INCEE02_091

تاریخ نمایه سازی: 19 تیر 1394

چکیده مقاله:

شناسایی خودکار زبان گفتاری حوزه ی مهمی از پردازش گفتار است. منظور از شناسایی خودکار زبان، توانایی ماشین در تعیین زبان گفتاری می باشد. تاکنون تحقیقات زیادی در زمینه ی تشخیص خودکار زبان انجام شده است که در اکثر این تحقیقات ویژگی استخراج شده از سیگنال گفتار، ضرایب PLP یا MFCC بوده است. در این تحقیق یک سیستم جدید تشخیص گفتار معرفی شده است که استخراج ویژگی آن بر مبنای ضرایب تبدیل فوریه ی بسل بوده و در بخش کلاسه بندی آن، از شبکه ی عصبی جدید WRBF استفاده شده است. نتایج بدست آمده از سیستم جدید، با نتایج حاصله از روش های معروف استخراج ویژگی PLP و MFCC و همچنین شبکه های عصبی MLP و RBF مقایسه شده است. نتایج آزمایشات انجام شده برای پایگاه داده ی OGI نشان می دهد که شبکه ی WRBF دقت تشخیص زبان را به ترتیب، به میزان 8% و 6% و 7% بر روی ویژگی های پیشنهاد شده ی تبدیل فوریه ی بسل و MFCC و PLP افزایش می دهد.

کلیدواژه ها:

نویسندگان

محمد احدنژاد

دانشگاه آزاد اسلامی واحد قائمشهر، گروه برق، قائمشهر، ایران

مهرداد احمدی کمرپشتی

دانشگاه آزاد اسلامی واحد جویبار، گروه برق، جویبار، ایران

محمدظاهر قربانی جویباری

شرکت توزیع نیروی برق مازندران، ساری، ایران

امید ذبیحی افراکتی

شرکت توزیع نیروی برق مازندران، ساری، ایران