جستجو
Diagnosing Stuttering from Fluency Speech, using Support Vector Machine
Mohammad Reza Khaleghi1 Fatemeh Hasani2
Abstract :
Stuttering, as the most common speech disorder, is one of the best issues in the field of interdisciplinary research. Several methods have been used to identify and classify stuttering, such as artificial neural network (ANN), hidden Markov model (HMM) and support vector machine (SVM). Here we have used the SVM, because the use of ANN or HMM requires some data for training and testing, but our proposed method is much faster and classifies data with better accuracy. Our proposed system consists of five steps include: 1. Receiving sample signal, 2. Pre-processing sample signal, 3. compute the required features, 4. Feature extraction, and 5. Category sample to the appropriate class. We used different methods for Feature extraction, such as Mel frequency Cepstrum coefficient (MFCC). Some used features are also included: Max FFT, Kurtosis, Skewness and etc. We used SVM and LDA for making decision and classification to remove extra features and get the most out of it .to do it, 20 labeled samples from 10 usual people and 10 patients who referred to therapy speech centers for treatment were used. The best result was found for Max FFT feature with an accuracy of 100%.
Keywords : artificial neural networks diagnosis of stuttering hidden markova model linear discriminant analysis support vector machine
زبان مقاله : انگلیسی
محور مقاله : علوم مهندسی
محل انتشار : کنفرانس بین المللی علوم و مهندسی
آدرس وب سایت کنفرانس : icesconf.com
کد IOI مقاله : XYCC-ABFAC
لینک مستقیم مقاله : https://isnac.ir/XYCC-ABFAC
نمایش چکیده فارسی
: https://isnac.ir/SA/XYCC-ABFAC
سایر مقالات ارائه دهنده
- عیبیابی شبکههای حسگر بیسیم با استفاده از مدل مارکوف و منطق فازی
- Diagnosing Stuttering from Fluency Speech, using Support Vector Machine
- تشخیص نوع لکنت در زبان فارسی با استفاده از ماشین بردار پشتیبان و روش¬های استخراج ویژگی FFT و MFCC
- Diagnosing Types of Stuttering, using Support Vector Machine, FFT and MFCC in the Persian Language
- تشخیص لکنت از گفتار روان و نوع آن در زبان فارسی، با ترکیب روش های FFT و MFCC و استفاده از ماشین بردار پشتیبان
سایر مقالات محل انتشار
- بررسی سبک های معماری مساجد معاصراهل سنت شهر زاهدان
- افزایش بهره وری چاه مخازن گازمیعانی با استفاده از روش تغییرترشوندگی در میدان مشترک پارس جنوبی-شمال قطر
- طراحي يك سيستم خبره براي تشخيص سرطان حلق
- بررسی پلی مورفیسم ژنتیکی (T3801C) , (A2455G) ژن cyp1a1 در یک جمعیت مبتلا به سرطان تخمدان در استان مازندران
- بررسي رابطه بين فرهنگ سازماني و تعلق سازماني در بین کارکنان شركت گاز استان خوزستان
- تاثیر آموزش هوش هیجانی بر اضطراب امتحان ، خودکارآمدی و عملکرد تحصیلی دانش آموزان با پدران طرح اقماری دبیرستان های مجتمع آموزشی غیر دولتی شهدای ملی حفاری در اهواز
- بررسي اجمالي طرح احداث تونل طويل ريلي البرز
- به صدا درآمدن زنگ خطر شبکه های ماهواره ای: سبک زندگی جوانان ایران در حال تغییر است!
- بینش دبیران وفراگیران ایرانی درس انگلیسی به عنوان زبان خارجی نسبت به راهبرد های انگیزشی
- همنشيني رنگ ها در تزئينات كاشيكاري بناي مسجد نصيرالملك شيراز
- مروری بر ویژگیها و کاربردهای فناوری رایانش ابری
- مقاوم سازی قاب های فلزی موجود با استفاده از بادبندهای شکل پذیر
- تحلیل مقابلهای اصطلاحات مربوط به بدن در انگلیسی و فارسی از نظر معنایی، واژگانی و ویژگیهای عاطفی
- ارزیابی مقاومت تک محوری، تخلخل،عدد لس انجلس سنگ ها با استفاده از متدهای شبکه های عصبی و حداقل مربعات معمولی
- تاثیر میزان جلبک و مواد معلق موجود در آب آبیاری بر عملکرد فیلترهای دیسکی