سال انتشار: 1394
محل انتشار: کنفرانس بین المللی مهندسی برق و علوم کامپیوتر
کد COI مقاله: ICEECS01_043
زبان مقاله: فارسیمشاهد این مقاله: 276
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله مقایسه عملکرد روش های نوین کلاسه بندی هجاها مبتنی بر تبدیلات موجک و شبکه های عصبی خود سازنده
چکیده مقاله:
هجاها کوچکترین قسمت قابل تشخیص گفتار هستند تقسیم بندیهجاها یک بخش اساسی برای تشخیص گفتار محسوب میگردد دراین مقاله برا ی کلاسه بندی کردن هجاها ازترکیب تبدیل موجک و شبکه عصبی خود سازمانده استفاده شده است دراین کارابتدا نویز سیگنالهاحذف شده و با موجک های مختلف ازسیگنالها تبدیل موجک گرفته شده است درادامه به منظور پیدا کردن دقیق ترین روش برای کلاسه بندی کردن هجاها سه الگوریتم متفاوت کلاسه بندی باهم مقایسه شده اند نتایج نشان میدهد که استفاده ازالگوریتم پیشنهادی بردار انرژی سیگنال و تبدیل موجک HAAR درسطح دوم تقریب برای کلاسه بندی هجاها نتایج بهترباحداقل خطا درتشخیص الگوی ورودی راداراست و ضعف روشهای متداول کلاسه بندی براساس انالیز فرکانسی را پوشش میدهد باتوجه به اینکه محدوده ی فرکانسی صدای انسان بین صفر تا 4کییلوهرتز قراردارد استفاده ازسطح دوم تقریب باعث میشود که باحذف نمونه های فرکانسهایی که درمحدوده ی صوتی انسان نیستند حجم داده ها کاهش می یابد و کلاسه بندی نیاز به زمان پردازش کمتری داشته باشد دراین مقاله برای پیاده سازی این الگوریتم ها ازm-file نویسی درنرم افزار متلب استفاده شده است
کلیدواژه ها:
کلاسه بندی ، تبدیل موجک ، شبکه عصبی خودسازمانده ، انرژی سیگنال صوتی
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://civilica.com/doc/403167/
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:بیرانوند، جمال و یوسفی کیا، محمد،1394،مقایسه عملکرد روش های نوین کلاسه بندی هجاها مبتنی بر تبدیلات موجک و شبکه های عصبی خود سازنده،کنفرانس بین المللی مهندسی برق و علوم کامپیوتر،قم،،،https://civilica.com/doc/403167
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: (1394، بیرانوند، جمال؛ محمد یوسفی کیا)
برای بار دوم به بعد: (1394، بیرانوند؛ یوسفی کیا)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
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 ممقالهقاله لینک شده اند :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.
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
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.
مقالات مرتبط جدید
- مدلسازی لیزر نقطه کوانتومی مبتنی بر کاواک فوتونیک کریستال
- طراحی دیکشنری توصیفی – تفکیکی با استفاده از نمایش تنک سریع
- بررسی امنیت و چالشهای حریم خصوصی در اینترنت اشیا
- ارائه ی راهکاری در سیستم تشخیص نفوذ به منظور کلاس بندی و کاهش حملات بااستفاده از الگوریتم های یادگیری ماشین و بریچ
- بررسی مخاطرات امنیتی برای گوشی های تلفن همراه دارای سیستم عامل اندروید
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
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.