پاورپوینت استفاده از ماشین بردار پشتیبان (SVM) برای تشخیص گوینده
فرمت فایل : پاورپوینت قابل ویرایش تعداد اسلاید: 39
قسمتی از پاورپوینت :
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
دسته‌بندی خطی بهینه
هدف: انتخاب تابع خطی (ابر صفحه) بهینه
نیاز به معیار بهینه بودن
SVM : بیشتر کردن حداقل فاصله نمونه‌ها تا خط
KFD: بیشتر کردن فاصله دسته‌ها و کمتر کردن پراکندگی دسته‌ها
حالت چند کلاسه
روش SVM برای حالت دو کلاسه
دو راه برای حالت چند کلاسه
استفاده از یک جداکننده برای هر کلاس از بقیه
نیاز به n جداکننده
سرعت بیشتر
استفاده از یک جداکننده برای جدا کردن هر دو کلاس از هم
نیاز به n(n-1)/2 جداکننده
دقت بیشتر
