استخراج ویژگی های گفتار جهت استفاده در تبدیل صدا
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
تخمین سن بر اساس ویژگی های گفتار انسان، یک موضوع قابل توجه در سیستم های شناسایی گفتار اتوماتیک می باشد. مطالعاتی در زمینه ی تخمین سن گوینده صورت گرفته است ولی نیاز به کار های نوین بیشتری، خصوصا برای گوینده های فارسی زبان، می باشد. در تخمین سن، مانند سایر سیستم های پردازش گفتار، ب
یکی از مهمترین مسایل مطرح در زمینهء سیستمهای بازشناخت گفتار تأثیر نویز بر سیگنال گفتار و کاهش دقت بازشناسی است، لذا بازشناخت گفتار مقاوم در برابر نویز یکی از موارد مورد مطالعه محققان میباشد. در سالهای اخیر تحقیقات بسیاری در این زمینه به عمل آمده و روشهای مختلفی ارائه شده است.
استفاده از ربات های اجتماعی در زندگی انسان ها افزایش یافته است و اصلی ترین راه ارتباط انسان ها با آنها ارتباط کلامی است. ربات های اجتماعی دارای میکروفونی هستند تا بتوانند سیگنال گفتار را برای ارتباط با انسان دریافت کنند. با توجه به دریافت نویز محیطی به هنگام ضبط گفتار انسان، نیاز
اثر کف دست یکی از ویژگی های بیومتریکی میباشد که در تشخیص هویت افراد کاربرد دارد. تشخیص هویت با کف دست، فازهای مختلفی دارد که مهمترین فاز آن استخراج ویژگیهاست. این فاز به قدری مهم است که عملکرد و دقت کلی سیستم به طور کلی به آن وابسته است. روشهای مختلفی برای استخراج ویژگی از کف دست
در این پایاننامه دو روش استخراج ویژگی جدید که برای بازشناسی گفتار مفید است، ارائه شده است. ایده اصلی این پایاننامه، ارائه یک ساختار منعطف برای بانک فیلتر میباشد که به دادههای آموزشی وابسته است. درحالیکه سایر روشهای استخراج ویژگی نظیر mfcc، ساختار بانک فیلتر ثابت و غیرمنعطفی
استخراج ویژگی از مهمترین قسمتهای یک سیستم بازیابی تصویر براساس محتوا است. در تحقیقات گذشته روش های زیادی برای استخراج ویژگی بافت در بازیابی تصویر پیشنهاد شده است. اغلب این روش ها توانایی استخراج اطلاعات لبه های منحنی شکل -که یکی از مهمترین اطلاعات بافت در تصویر هستند- را ندارند.
Pathological changes within an organ can be reflected as proteomic patterns in blood. The mass spectrometry has been used as powerful tools to generate proteomic patterns from serum. The produced profiles can be viewed as high dimensional and correlation data for which the featur
یکی از چالش های اساسی در تشخیص گفتار، استخراج ویژگی مقاوم نسبت به نویز می-باشد. در این مقاله یک الگوریتم استخراج ویژگی جدید که الگوریتم استخراج ضرائب کپسترال توان نرمالیزه شده کسری وفقی نامیده میشود، بعنوان یک روش مقاوم در برابر نویز برای کاربرد بازشناسی گفتار ارائه شده است. این
تشخیص لهجه از روی شکل موج گفتار یکی از شاخه های نسبتا جدید در علم پردازش گفتار است.تشخیص لهجه می تواند تا حد زیادی باعث بهبود سیستم های بازشناخت گفتار شود.همانند هر سیستم بازشناسی، فرآیند تشخیص لهجه نیز شامل سه مرحله پیش پردازش، استخراج ویژگی و طبقه بندی است.در این مقاله سه روش ک
تشخیص لهجه از روی شکل موج گفتار یکی از شاخه های نسبتا جدید در علم پردازش گفتار است.تشخیص لهجه می تواند تا حد زیادی باعث بهبود سیستم های بازشناخت گفتار شود.همانند هر سیستم بازشناسی، فرآیند تشخیص لهجه نیز شامل سه مرحله پیش پردازش، استخراج ویژگی و طبقه بندی است.در این مقاله سه روش ک
تحقیقات اخیر نشان می دهد که تظاهرات غیرخطی و آشوبی سیگنال گفتار می تواند در حوزة فضای بازسازی شده فاز (rps) مطالعه شود. تئوری جاسازی برمبنای محورهای تأخیری، ابزار مناسبی برای بررسی تراژکتورهای گفتاری در rps است. تاکنون از مشخصه های تراژکتورهای گفتاری به ندرت در سیستم های کاربردی
سابقه و هدف: نرم افزار تبدیل گفتار به متن، ابزار تسهیلکننده ای جهت ورود داده به پرونده ی الکترونیک سلامت میباشد. بکارگیری این نرم افزار در حوزه ی بهداشت و درمان، مستلزم تعریف دادگان تخصصی جهت آن است. هدف پژوهش حاضر، ایجاد دادگان متنی تخصصی جهت نرم افزار تبدیل گفتار به متن در جراح