شناسایی گوینده وابسته به متن با استفاده از الگوریتم خوشه بندیK-means و روش دسته بندیSVM

هدف این مقاله توسعه یک سیستم شناسایی گوینده وابسته به متن با ارائه یک روش جدید در طبقه بندی گوینده می باشد. در این کار،یک سیستم شناسایی گوینده براییک پایگاه داده 10 نفره که در محیط عادی اتاق و با یک میکروفن معمولی هدست توسط نویسنده فراهم شده، با موفقیت آزمایش شده است. ویژگی مورد استفاده، ضرایب کپسترال مبتنی بر معیار مل(MFCC) بوده که از گفتار افراد استخراج شده و به همراه مشتقات اول و دوم بردار ویژگی ذخیره شده است. با استفاده از چندی سازی برداری(VQ ) حجم داده ها کاهش یافته و از طبقه بندی کننده ماشین بردار پشتیبان(SVM) با هسته چند جملهای و هسته توابع پایه شعاعی جهت طبقهبندی گوینده ها استفاده شده است. نتایج نشان می دهد که الگوریتم پیشنهادی در سیگنال به نویز های بالا قابلیت شناسایی قابل قبولی داشته اما با کاهش سیگنال به نویز، درصد شناسایی کاهش می یابد.