دانلود پروژه: تشخیص نوع لکنت در زبان فارسی با استفاده از ماشین بردار پشتیبان

توضیحات

دانلود پروژه: تشخیص نوع لکنت در زبان فارسی با استفاده از ماشین بردار پشتیبان

تعداد 76صفحه در فایل word

چکیده

کلمات کلیدی: لکنت، انواع لکنت، تشخیصِ لکنت، ماشین بردار پشتیبان، شبکه­های عصبی مصنوعی[3]

[1] Support Vector Machine (SVM)

[2] Stuttering

[3] Artificial Neural Networks (ANNs)

فهرست مطالب

4-1-1. روند نمونه گیری.. 38

4-1-2. چالش های نمونه گیری.. 421

فصل پـنجـُم: نتیـجه­گیـری و پیشــنهادات

فهرست منابع.. 53

چکیده (به زبان انگلیسی). 56

فهرست جدول­ها

فصل دوم

2-1 نرخ تشخیص برای دسته­بندی شبکه­های MLP. 27

2-2 آمار و ارقام دسته­بندی وابسته به نوع اختلال. 27

2-3 کارهای انجام شده با جزئیات تعداد نمونه­ها، ویژگی­های استخراج شده و روش­های پیاده­سازی 29

فصل چهارم

4-1 افراد جامعه نمونه به تفکیک جنسیت و محدوده سنی.. 39

4-2 تعداد نمونه­ها براساس نوع ناروانی رخ داده و محدوده سنی افراد جامعه نمونه 421

فصل پنجم

5-1 دقت دسته­بندی برای هریک از ویژگی­های مفروض…. 49

5-2 دقت دسته­بندی برای برداری از ویژگی­های مفروض…. 50

فهرست نمودارها

فصل پنجم

5-1 شاخص آماری ویژگی­های مفروض…. 50

5-2 شاخص آماری برداری از ویژگی­های مفروض…. 50

فهرست شکل­ها

فصل اول

1-1 اجزاء مختلف دستگاه شنوایی.. 2

1-2 نمونه­ای از ابزار آلات موسیقی مولد صدای غیر جاندار. 4

1-3 نمونه­ای از تولید کنندگان صدای جاندار. 4

1-4 نمونه فرکانس یک حرف صدادار و یک حرف بی­صدا 5

1-5 تشریح ساده دستگاه تولید صدا در بدن. 6

1-6 نمونه­ای از گفتار روان. 7

1-7 نمونه­ای از گفتار ناروان. 8

1-8 نمونه­ای از ناروانی طبیعی گفتار 9

1-9 نمونه گفتار شامل وقفه با لکنت نوع کلونیک 9

1-10 نمونه گفتار شامل وقفه، که قسمت وقفه علامت­گذاری شده است 10

1-11 نمونه­ای از یک سیگنال گفتار 12

1-12 انرژی کوتاه مدت نمونه سیگنال گفتار. 13

1-13 نرخ پائین گذر کوتاه مدت نمونه سیگنال گفتار. 13

1-14 خود همبستگی نمونه سیگنال گفتار. 14

1-15 روش­های استخراج ویژگی.. 14

1-16 الگوریتم تصمیم­گیری در ماشین بردار پشتیبان. 16

1-17 نمونه­ای از جداساز خطی.. 18

1-18 نحوه عملکرد ماشین بردار پشتیبان…….……………………………………………………19

1-19 نمایی از تبدیل یک جداساز غیر خطی به خطی………..……………………………………19

فصل دوم

2-1 اطلاعات پردازش صدا در دستگاه شنوایی انسان (a) و مدل پیشنهادی (b). 25

2-2 فرآیند دسته­بندی در شبکه عصبی.. 27

2-3 نمودار دامنه-زمان واژگان “left”و “one” 28

2-4 طیف­نگاره واژگان “Left” و “One”. 29

فصل سوم

3-1 دو نمونه RBF گاوسی غیرنرمال واقع بر یک ورودی یک-بُعدی.. 36

فصل چهارم

4-1 نمونه­ای از سیگنال گفتار شامل لکنت نوع کشیده­گویی.. 40

4-2 نمونه­ای از سیگنال گفتار شامل لکنت نوع گیر. 40

4-3 نمونه­ای از سیگنال گفتار شامل لکنت نوع تکرار. 41

4-4 نمونه­ای از سیگنال گفتار شامل لکنت نوع تکرار……………………………………………………....43

4-5 نمونه­ای از سیگنال گفتار شامل لکنت نوع گیر. 43

4-6 نمونه­ای از سیگنال گفتار شامل لکنت نوع کشیده­گویی.. 43

4-7 نمونه­ای از سیگنال گفتار روان. 44

4-8 نتیجه حاصل از ویژگی Max FFT بر روی نمونه­های گرفته شده 45

4-9 نتیجه حاصل از ویژگی MFCC بر روی نمونه­های گرفته شده 45

4-10 فضای ویژگی متد MFCC.. 46

4-11 فضای تفکیک­کننده SVM با استفاده از ویژگی MFCC.. 46

4-12 نتیجه حاصل از ویژگی MFCC به همراه دسته بند SVM… 47

4-13 نتیجه حاصل از ترکیب ویژگی­های Max FFT و MFCC.. 47

فصل پنجم

کلمات کلیدی: لکنت، انواع لکنت، تشخیصِ لکنت، ماشین بردار پشتیبان، شبکههای عصبی مصنوعی[3]

فصل پـنجـُم: نتیـجهگیـری و پیشــنهادات

فهرست جدولها

2-1 نرخ تشخیص برای دستهبندی شبکههای MLP. 27

2-2 آمار و ارقام دستهبندی وابسته به نوع اختلال. 27

2-3 کارهای انجام شده با جزئیات تعداد نمونهها، ویژگیهای استخراج شده و روشهای پیادهسازی 29

4-2 تعداد نمونهها براساس نوع ناروانی رخ داده و محدوده سنی افراد جامعه نمونه 421

5-1 دقت دستهبندی برای هریک از ویژگیهای مفروض…. 49

5-2 دقت دستهبندی برای برداری از ویژگیهای مفروض…. 50

5-1 شاخص آماری ویژگیهای مفروض…. 50

5-2 شاخص آماری برداری از ویژگیهای مفروض…. 50

فهرست شکلها

1-2 نمونهای از ابزار آلات موسیقی مولد صدای غیر جاندار. 4

1-3 نمونهای از تولید کنندگان صدای جاندار. 4

1-4 نمونه فرکانس یک حرف صدادار و یک حرف بیصدا 5

1-6 نمونهای از گفتار روان. 7

1-7 نمونهای از گفتار ناروان. 8

1-8 نمونهای از ناروانی طبیعی گفتار 9

1-10 نمونه گفتار شامل وقفه، که قسمت وقفه علامتگذاری شده است 10

1-11 نمونهای از یک سیگنال گفتار 12

1-15 روشهای استخراج ویژگی.. 14

1-16 الگوریتم تصمیمگیری در ماشین بردار پشتیبان. 16

1-17 نمونهای از جداساز خطی.. 18

2-2 فرآیند دستهبندی در شبکه عصبی.. 27

2-4 طیفنگاره واژگان “Left” و “One”. 29

4-1 نمونهای از سیگنال گفتار شامل لکنت نوع کشیدهگویی.. 40

4-2 نمونهای از سیگنال گفتار شامل لکنت نوع گیر. 40

4-3 نمونهای از سیگنال گفتار شامل لکنت نوع تکرار. 41

4-4 نمونهای از سیگنال گفتار شامل لکنت نوع تکرار……………………………………………………....43

4-5 نمونهای از سیگنال گفتار شامل لکنت نوع گیر. 43

4-6 نمونهای از سیگنال گفتار شامل لکنت نوع کشیدهگویی.. 43

4-7 نمونهای از سیگنال گفتار روان. 44

4-8 نتیجه حاصل از ویژگی Max FFT بر روی نمونههای گرفته شده 45

4-9 نتیجه حاصل از ویژگی MFCC بر روی نمونههای گرفته شده 45

4-11 فضای تفکیککننده SVM با استفاده از ویژگی MFCC.. 46

4-13 نتیجه حاصل از ترکیب ویژگیهای Max FFT و MFCC.. 47