fa شناسایی گوینده وابسته به متن با استفاده از الگوریتم خوشه بندیK-means و روش دسته بندیSVM تخصصي Special علمی- ترویجی Scientific-extension <span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">هدف این مقاله توسعه یک سیستم شناسایی گوینده وابسته به متن با ارائه یک روش جدید در طبقه بندی گوینده می&shy;باشد. 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</span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">) 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</span></span></span><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;"> </span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">) حجم داده ها کاهش&nbsp; یافته&nbsp; و از طبقه&nbsp; بندی کننده ماشین بردار پشتیبان(</span></span></span><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">SVM</span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">) با هسته چند جملهای و هسته توابع پایه شعاعی جهت طبقهبندی گوینده &shy;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&nbsp; کاهش مییابد.</span></span></span> The purpose of this paper is to develop a text-based speakerIdentification system by providing a new method for speaker classification. In this work, a speaker identification system has been successfully tested for a 10-person database provided by the authors in the normal room environment with a standard headset microphone.The Mel Frequency Cepstral Coefficient (MFCC) is used as a discriminating feature which is extracted from the speech of individual persons and stored with the first and second derivatives as a property vector.Using Vector Quantization (VQ), the data has been reduced and the SupportVector Machine (SVM) with the radial base functions and polynomial core to classify the speakers.The simulation results show that the proposed algorithm has acceptable detection capability in high Signal to Noise Ratio (SNR), but detection percentage decreases by decreasing the signal-to-noise ratio. ضرایب کپسترال فرکانس مل, ماشین بردار پشتیبان, چندی سازی برداری, شناسایی گوینده وابسته به متن Mel Frequency Cepstral Coefficient, backup vector machine, SupportVector machine, Vector Quantization, Text based Speaker Identification. 34 39 http://kiaeee.ir/browse.php?a_code=A-10-147-2&slc_lang=fa&sid=1 hossain khaleghi biaki حسین خالقی بیزکی bizaki@gmail.com 1003194753284600475 1003194753284600475 Yes مجتمع دانشگاهی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر mostafa kavanlooie مصطفی کاوانلویی 1003194753284600476 1003194753284600476 No مجتمع دانشگاهی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر