نشریه عصر برق با احترام به قوانین اخلاق در نشریات تابع قوانین کمیتۀ اخلاق در انتشار (COPE) می باشد و از آیین نامه اجرایی قانون پیشگیری و مقابله با تقلب در آثار علمی پیروی می نماید.
برای مطالعه بیشتر در این زمینه به وبسایت http://publicationethics.org مراجعه شود
هدف این مقاله توسعه یک سیستم شناسایی گوینده وابسته به متن با ارائه یک روش جدید در طبقه بندی گوینده میباشد. در این کار،یک سیستم شناسایی گوینده براییک پایگاه داده 10 نفره که در محیط عادی اتاق و با یک میکروفن معمولی هِدسِت توسط نویسنده فراهم شده، با موفقیت آزمایش شده است. ویژگی مورد استفاده، ضرایب کپسترال مبتنی بر معیار مِل(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 مییابد.
khaleghi biaki H, kavanlooie M. Text based Speaker Identification Using K-means-clustering and SVM Classification. عصر برق 2018; 2 (10) :34-39 URL: http://kiaeee.ir/article-1-174-fa.html
خالقی بیزکی حسین، کاوانلویی مصطفی. شناسایی گوینده وابسته به متن با استفاده از الگوریتم خوشه بندیK-means و روش دسته بندیSVM. فصل نامه علمی عصر برق. 1397; 2 (10) :34-39