روشی نوین جهت بازشناسی جنسیت گوینده مبتنی بر الگوریتم رقابت استعماری
محل انتشار: کنفرانس بین المللی چشم انداز 2020 و پیشرفت های تکنولوژیک مهندسی برق، کامپیوتر و فناوری اطلاعات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 595
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EECIT01_016
تاریخ نمایه سازی: 5 اردیبهشت 1396
چکیده مقاله:
در این مقاله روشی جدید برای بازشناسی جنسیت گوینده و مبتنی بر ICA، جهت انتخاب بردارهای ویژگی ارایه شده است. 200 نمونه گفتار زن و مرد از دادگان فارس دات، بدون توجه به لهجه گویندگان، برای ارزیابی سیستم انتخاب شده است. 17 نوع بردار ویژگی با طول و مقادیر متفاوت و طبقه بندهای KNN و SVM در این روش مورد استفاده قرار گرفته اند. بر اساس انتخاب یک بردار از بین تمام بردارهای ویژگی، دقت 100 درصد برای بازشناسی جنسیت گویندگان زن و مرد حاصل شده است.
کلیدواژه ها:
نویسندگان
پریسا پورآصف
دانشگاه آزاد اسلامی واحد دزفول، گروه معماری سیستم های کامپیوتری، دزفول، ایران
محمد خیراندیش
دانشگاه آزاد اسلامی واحد دزفول، استادیار گروه معماری سیستم های کامپیوتری، دزفول، ایران
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 :