کتابخانه

دانلود کتاب، جزوه، تحقیق | مرجع دانشجویی

کتابخانه

دانلود کتاب، جزوه، تحقیق | مرجع دانشجویی

تشخیص نوع لکنت در زبان فارسی با استفاده از ماشین بردار پشتیبان و روشهای استخراج ویژگی FFT و MFCC

نوع فایل:PDF

تعداد صفحات :10

سال انتشار : 1394

چکیده

هدف ، ایجاد سیستمی با استفاده از ماشین بردار پشتیبان 8 به منظور تشخیص نوع لکنت 2 رخ داده در زبان فارسی، در افرادی که دچار اختلال در گفتار و لکنت هستند؛ میباشد. ایده اصلی، تشخیص نوع لکنت اتفاق افتاده در زبان فارسی با استفاده ازماشین بردار پشتیبان، است؛ تا متناسب با نوع لکنت تشخیص داده شده، رفتار و درمان متناسب، جهت اصلاح و بهبود آن صورت گیرد. چالش دیگری که در اینجا مطرح است، یافتن ویژگی یا ویژگیهایی است که در تشخیص نوع لکنت کاراهستند؛ و شناختن متغیر یا متغیرهایی، اعم از: جنسیت فرد، محدوده سنی و ...، که در تعیین نوع لکنت تاثیرگذار هستند.برای این منظور، ویژگیهای مختلفی روی سیگنالهای نمونه مورد استفاده را آزمون کردیم؛ بهترین دقت، برای روش Max FFT ، که توانست با دقت 89 %، سیگنالهای نمونه را بر اساس نوع لکنت رخ داده از هم تشخیص و تمییز دهد

واژگان کلیدی

لکنت، انواع لکنت، تشخیص لکنت، شبکه عصبی مصنوعی 3 ، ماشین بردار پشتیبان


خرید و دانلود تشخیص نوع لکنت در زبان فارسی با استفاده از ماشین بردار پشتیبان و روشهای استخراج ویژگی FFT و MFCC

توسعه روشی مناسب برای مقابله با تغییر مفهوم با استفاده از ماشین بردار پشتیبان فازی

نوع فایل :PDF

تعداد صفحات :

سال انتشار :1395

چکیده

اخیرا داده ها به صورت روز افزون و با سرعت بسیار زیادی درحال افزایش هستند . این داده ها، جریان داده نام دارند. امروزه به دلیل اهمیت و گستردگی کاربرد، و نیاز به استخراج پویای دانش موجود در جریان داده ها، داده کاوی جریان داده اهمیت بسزایی یافته است. از مهم ترین مشکلاتدر داده کاوی جریان داده وجود تغییر مفهوم به صورت ذاتی در این نوع داده هاست. به طور کلی تغییر مفهوم را می توان تغییر توزیع کلاس ها درداده های جریانی دانست. این مقاله با توجه به چالش اصلی در جریان داده، یک روش جدید برای طبقه بندی جریان داده ارائه می دهد. در این روش برای انجام عملیات طبقه بندی از ماشین بردار پشتیبان فازی ) FSVM ( استفاده می نماید. ویژگی بارز این روش در مقایسه با کارهای پیشین استفاده ازتئوری فازی برای مقابله با مشکل تغییر مفهوم در داده های جریانی می باشد. تحلیل های موجود و نتایج آزمایشگاهی نشان می دهد که مدل پیشنهاد شده دارای برتری قابل توجهی نسبت به مدل های قبلی می باشد

واژگان کلیدی

تغییر مفهوم، جریان داده، داده کاوی، طبقه بندی ، ماشین یردار پشتیبان فازی


خرید و دانلود توسعه روشی مناسب برای مقابله با تغییر مفهوم با استفاده از ماشین بردار پشتیبان فازی