Astaraki

تصديق هويت گوينده مبتني بر برنامه نويسي ژنتيك و بهبود آن

خلاصه مقاله:
برنامه نويسي ژنتيك، از جمله الگوريتم هاي تكاملي است كه توانايي زيادي، نسبت به اغلب روش هاي يادگيري ماشين دارا مي باشد. مشكل اين روش، زمان بر بودن اجراي آن است . در اين مقاله، هدف استفاده از برنامه نويسي ژنتيك و تطبيق آن به منظور تصديق هويت گوينده و بررسي هويت كاربران از طريق صداي آنهاست. ايده هاي متعددي را پيشنهاد نموده ايم تا به كمك آنها بتوانيم ضمن افزايش كارايي روش برنامه نويسي ژنتيك براي تصديق هويت گوينده، سرعت آموزش مدل هاي گويندگان را كه معمولا در روش برنامه نويسي ژنتيك بسيار زمانبر است را افزايش دهيم. براي اين منظور سعي شده است تا با روشهايي چون خوشه بندي به كمك روشهاي چندي سازي برداري و نيز با استفاده از توابع گوسي بدست آمده از روش مدل مخلوط گوسي gmm به جاي بردارهاي ويژگي داده هاي آموزشي ، حجم داده هاي آموزشي را كاهش دهيم و بدين ترتيب بر سرعت ساخت مدل هاي حاصل از برنامه نويسي ژنتيك بيافزائيم. نتايج بدست آمده نشان مي دهند كه استفاده از ميانگين هاي مدل هاي مخلوط گوسي حاصل از داده هاي آموزشي گوينده خودي و گويندگان غيرخودي به جاي استفاده مستقيم از داده هاي آموزشي و بطور مشابه استفاده از ميانگين هاي مدل مخلوط گوسي حاصل از داده هاي آزمايشي، منجر به دقت خوبي در تصديق هويت گويندگان و نيز افزايش سرعتي در حد 20 برابر (از 5 ساعت به 15 دقيقه) در آموزش مدل هاي گويندگان به كمك روش برنامه نويسي ژنتيك مي گردد.

كلمات كليدي:
تشخيص گوينده، تصديق هويت گوينده، برنامه نويسي ژنتيك، طبقه بندي، چندي سازي برداري، مدل مخلوط گوسي.

فايل ضميمه

ACCSI14_226_284861.pdf (183.9 كيلو بايت, 65 نمايش)

__________________

تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران !
با بیش از صد و چهل هزار کاربر!