ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Diagnosing Stuttering from Fluency Speech, using Support Vector Machine

سال انتشار: 1394
کد COI مقاله: ICESCON01_0430
زبان مقاله: انگلیسیمشاهد این مقاله: 393
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Diagnosing Stuttering from Fluency Speech, using Support Vector Machine

Mohammad Reza Khaleghi - Department of Electrical & Computer, Shahrood Science & Research Branch, Islamic Azad University, Shahrood, Iran
Fatemeh Hasani - Department of Electrical & Computer, Shahrood Science & Research Branch, Islamic Azad University, Shahrood, Iran

چکیده مقاله:

Stuttering, as the most common speech disorder, is one of the best issues in the field of interdisciplinary research. Several methods have been used to identify and classify stuttering, such as artificial neural network (ANN), hidden Markov model (HMM) and support vector machine (SVM). Here we have used the SVM, because the use of ANN or HMM requires some data for training and testing, but our proposed method is much faster and classifies data with better accuracy. Our proposed system consists of five steps include: 8. Receiving sample signal, 2. Pre-processing sample signal, 3. compute the required features, 4. Feature extraction, and 5. Category sample to the appropriate class. We used different methods for Feature extraction, such as Mel frequency Cepstrum coefficient (MFCC). Some used features are also included: Max FFT, Kurtosis, Skewness and etc. We used SVM and LDA for making decision and classification to remove extra features and get the most out of it .to do it, 22 labeled samples from 82 usual people and 82patients who referred to therapy speech centers for treatment were used. The best result was found for Max FFT feature with an accuracy of 8221.

کلیدواژه ها:

Artificial neural networks, diagnosis of stuttering, hidden Markova model, linear discriminant analysis, support vector machine

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/424564/

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:
Khaleghi, Mohammad Reza و Hasani, Fatemeh,1394,Diagnosing Stuttering from Fluency Speech, using Support Vector Machine,کنفرانس بین المللی علوم و مهندسی,,,https://civilica.com/doc/424564

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, Khaleghi, Mohammad Reza؛ Fatemeh Hasani)
برای بار دوم به بعد: (1394, Khaleghi؛ Hasani)
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 :

  • of Disorders in a Continuous Speech with the Hidden Markov ...
  • B. Shafie'e, Z. Mehr Alian, (2003) "Stuttering & dysfluencies in ...
  • Science University publications, 2003. ...
  • K. Farrell, R. Mammone, and K. Assaleh, (1994) "Speaker recognition ...
  • conventional classifiers, " IEEE Transactions _ speech and audio processing, ...
  • K. M. Ravikumar, R.Rajagopal, and H.C.Nagaraj, (2009) "An Approach for ...
  • Stuttered Speech Using MFCC Features, " ICGST International Journal on ...
  • M. Farazi, (1996) "Stuttering", Isfahan Rehabilitatio College of Medical Science ...
  • M. Wingate, (1988) the structure of stuttering: A psycho linguistic ...
  • _ Wisniewski, W. Kuni szyk-Jo zkowiak, E. Smolka, and W. ...
  • M. Wisniewski, W. Kuni szyk-Jo zkowiak, E. Smolka, and W. ...
  • of Prolonged Fricative Phonemes with the Hidden Markov Models Approach, ...
  • NIDCD 175 fact sheet, Stuttering, (2010) U.S Department of Health ...
  • Institute of Health, National Institute on Deafness and Other C ...
  • P. Howell and S Sackin, (1995) "Automatic recognition of repetitions ...
  • Disorders, 1995, pp. 372-374. ...
  • W. Chen, S. Chen, and C. Lin, (1996) "A speech ...
  • layer perceptron, " Neural Networks, vol. 9, pp. 655-669, 1996. ...
  • Y. V. Geetha, K. Pratibha, R. Ashok, and S. K. ...
  • dysfluencies using neural networks, " Journal of fluency disorders, vol. ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    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.

    پشتیبانی