صفحه محصول - پاورپوینت استفاده از ماشین بردار پشتیبان (SVM)برای تشخیص گوینده

پاورپوینت استفاده از ماشین بردار پشتیبان (SVM)برای تشخیص گوینده (pptx) 40 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 40 اسلاید

قسمتی از متن PowerPoint (.pptx) :

بنام خدا استفاده از ماشین بردار پشتیبان (SVM)برای تشخیص گوینده فهرست مطالب تشخیص گوینده استخراج ویژگی برای تشخیص گوینده مسئله دسته‌بندی و جداسازی نمونه‌ها از روی ویژگی‌ها معیار مقایسه دسته‌بندی کننده‌ها دسته‌بندی کننده خطی پیدا کردن دسته‌بندی خطی بهینه استفاده از فضاهای بالاتر و توابع هسته حالت خطای یادگیری غیر صفر تشخیص گوینده تفکیک گوینده های مختلف از یکدیگر استفاده از ویژگیهای صوتی برای تشخیص دو روش کلی: ساخت مدل برای هر گوینده و تطبیق دادن نمونه جدید با مدلها سعی در تفکیک گوینده های مختلف از یکدیگر استخراج ویژگی برای کاهش ابعاد تعداد زیاد نمونه در صدای ذخیره شده حداقل 8 کیلو هرتز، 8 بیت برای هر نمونه (64 کیلو بیت بر ثانیه) نیاز به این دقت برای پخش صدا و بازسازی موج تغییر آهسته ویژگیهای صدا در طول زمان امکان نمایش و ذخیره یک پنجره (فریم) نسبتا طولانی (10 تا 25 میلی ثانیه) با تعداد کمی ویژگی نمایش یک پنجره با 14 ویژگی: کاهش ابعاد به نسبت 11.4 نیاز به تعریف و استخراج ویژگی استخراج ویژگی برای تشخیص گوینده اطلاعات گوینده در طول موج بازه های کوتاه short-term spectrum اطلاعات موجود در یک پنجره 20 میلی ثانیه ای یکی رایج ترین ویژگیها : Mel-warped Cepstra استفاده از فیلتر mel بر روی طیف به منظور تاکید کمتر بر روی فرکانس های بالا تبدیل غیر خطی الهام گرفته شده از روی سیستم شنوایی انسان استفاده از چند ضریب اول (معمولا 14 ضریب) Mel-warpedCepstra مسئله دسته‌بندی و جداسازی نمونه‌ها از روی ویژگی‌ها یادگرفتن مفاهیم از روی نمونه‌های آموزشی ساده‌ترین حالت: حالت دو کلاسه نمونه‌های مثبت نمونه‌های منفی فضای چند بعدی نمونه‌ها: بردارهای عددی +1 -1 مقدمه (ادامه) یک جواب ممکن