انتخاب ویژگی مبتنی بر الگوریتم ژنتیک برای شناسایی گوینده

در این مقاله ازمجموعه ویژگی 41 بعدی، شامل 13 ویژگی MFCC، مشتقات اول و دوم آنها، انرژی و مشتق آن برای دسته بندی قاب های گفتار 10 گوینده استفاده شده است. به منظور کاهش تعداد ویزگی، از PCA و الگوریتم زنتیک پیشنهادی بهره جسته و با استفاده از دسته بندی کننده SVM، صحت تشخیص گویندگان از روی قاب های گفتار، برای روش پیشنهادی 92/9605% در مقابل 90/6414% حاصل از PCA بدست آمد.

کلیدواژه ها:

کاهش ویژگی ، الگوریتم زنتیک ، تحلیل مؤلفه های اصلی