Ovozli buyruqlаrni tаnib olish usullari

Боковая панель статьи

Ovozli buyruqlаrni tаnib olish usullari
PDF
Опубликован: Dec 26, 2023
DOI: https://doi.org/10.62132/ijdt.v6i4.133
Ключевые слова:
ovoz signali, ovozli buyruqlarni tanib olish, belgilar toʻplamini ajratish, tayanch vektorlar mashinalari, Gaus aralashma modeli

Основное содержимое статьи

P.B. Nurimov
Muhammad al-Xorazmiy nomidagi Toshkent axborot texnologiyalari universiteti Nukus filiali

Аннотация

Ushbu maqola ovozli buyruqlarni tanib olish masalasi uchun ovozli buyruqlar modelini qurish uchun SVM va GMM usullaridan foydalanish koʻrib chiqilgan. Ovozli buyruqlarni tanib olish texnologiyasi keng koʻlamli ilovalarda mavjud, jumladan ovozli yordamchilar, boshqaruv tizimlari va boshqalar. Maqolada ovozli buyruqlarni modellashtirish va tasniflash uchun SVM va GMM usullaridan foydalanishga asoslangan yondashuv taqdim etilgan. Maqolada qoraqalpoq tilidagi ovozli buyruqlar ma’lumotlar toʻplami boʻyicha tajribalar taqdim etilgan. Tanib olish aniqligi va uning belgilar toʻplamini ajratib olish algoritmlariga asoslangan umumiy samaradorlik nuqtai nazaridan SVM va GMM koʻrsatkichlarining qiyosiy tahlillari oʻtkazildi. Eksperimental natijalar shuni koʻrsatadiki, SVM va GMM usullari ham ovozli buyruqlarni tanib olishda yuqori aniqlikga erishishi mumkin. Xulosa qilib aytganda, ushbu maqolada ovozli buyruqlarni tanib olish masalasida SVM va GMM usullarining taqqoslanishi keltirilgan.

Информация о статье

Как цитировать
Nurimov, P. (2023). Ovozli buyruqlаrni tаnib olish usullari. Международный Журнал Теоретических и Прикладных Вопросов Цифровых Технологий, 6(4), 47–52. https://doi.org/10.62132/ijdt.v6i4.133
Выпуск
Том 6 № 4 (2023): Международный журнал теоретических и прикладных вопросов цифровых технологий
Раздел
Articles
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Библиографические ссылки

Huang, C. L., & Hsiao, Y. T., Voice command recognition using support vector machines with kernel-based feature extraction. Applied Soft Computing, 36, 177-184., 2015.

H. Beigi. Fundamentals of speaker recognition. Springer US, 2011.

W. M. Campbell, D. E. Sturim, D. A. Reynolds, Support vector machines using GMM supervectors for speaker verification, IEEE signal processing letters 13 (5) (2006) 308–311.

Rabiner L., Shafer R. Tsifrovaya obrabotka rechevykh signalov. – M.: Radio i svyaz, 1981. – 496 s.

Mamatov N.S., Nurimov P.B., Samijonov А.N. Nutq signallarida ovoz faolligini aniqlash algoritmlari. «Аxborot kommunikatsiya texnologiyalari va dasturiy taʼminot yaratishda innovatsion gʼoyalar» Respublika ilmiy-texnik konferen-tsiyasi 17-18 may 2021 yil.

P.B. Nurimov, А.N. Samijonov, Sh.I. Fozilov, Z.M.Sulaymonov Shaxsni nutqi asosida tanib olishda belgilar fazosini shakllantirish. Informatika va energetika muammolari Oʼzbekiston Jurnali, №4, 2020.

Burges C., “A tutorial on support vector machines for pattern recognition”, In “Data Mining and Knowledge Discovery”. Kluwer Academic Publi-shers, Boston, 1998, (Volume 2).

Osuna E., Freund R., and Girosi F., “Support Vector Machines: Training and Applications”, A.I. Memo No. 1602, Artificial Intelligence Laboratory, MIT, 1997.

Desai D, Joshi M., Speaker Recognition Using MFCC and Hybrid Model of VQ and GMM. Recent Advances in Intelligent I nformatics 235: 53-63.

W. M. Campbell, D. E. Sturim, D. A. Reynolds, Support vector machines using GMM supervectors for speaker verification, IEEE signal processing letters 13 (5) (2006) 308–311.

Fabian Pedregosa, Gaël Varoquaux, Alexandre Gramfort, ..., Scikit-learn: Machine Learning in Python, https://arxiv.org/abs/1201.0490

James Lyons et al. (2020, January 14). jameslyons/python_speech_features: release v0.6.1 (Version 0.6.1). Zenodo. http://doi.org/10.5281/zenodo.3607820