بابک ناصرشریف
پایان‌نامه‌ها
بازشناسی مقاوم گفتاردربرابرنویزبااستفاده ازترکیب فیلترکردن های زمانی وهنجارسازی ویژگی های گفتاری
یک سیستم بازشناس گفتار باید بتواند یک سیگنال گفتار بیان شده را مستقل ازگوینده، ابزار انتقال و محیط بیان گفتار به یک پیغام متنی تبدیل کند. یکی ازچالش های موجود در بازشناسی گفتار استفاده از سیستمهای بازشناس گفتار در محیط های واقعی است که در آنها نویز یا اثرات کانال همواره وجود دارد
اصلاح روش های استخراج ویژگی مبتنی بر تبدیل موجک گسسته برای بازیابی تصویر مبتنی بر محتوا
استخراج ویژگی و اندازه گیری شباهت در فضای ویژگی ها دو مرحله اصلی در یک سیستم بازیابی تصویر مبتنی بر محتوا هستند. از این رو در چنین سیستمی شناسایی روش های مناسب برای توصیف محتوای تصویر و همچنین تطبیق تصویر پرسش با تصاویر موجود در دادگان به روشی که به بهترین شکل منعکس کننده قضاوت ا
بهبود نرخ بازشناسی گفتار در شرایط نویزی با استفاده از روش های غیرخطی تبدیل ویژگی
یکی از مراحل اصلی در روند بازشناسی گفتار، استخراج ویژگی ها می باشد. در حقیقت ویژگی های مربوط به نمونه های هر کلاس باید بگونه ای از کلاس های دیگر متمایز شده باشند که سیستم بازشناسی گفتار در شرایط مختلف مانند نویز نیز عملکرد مناسبی از خود نشان دهد. تبدیل ویژگی می تواند پس از استخرا
بهبود ویژگی ها با استفاده از الگوریتم های تکاملی برای بازشناسی مقاوم گفتار
متداول ترین و کاراترین ویژگی ها برای بازشناسی گفتار، ضرایب فرکانسی مل کپستروم هستند. این ویژگی ها از طریق اعمال تبدیل کسینوسی گسسته بر لگاریتم انرژیخروجی های بانک فیلترِ مِل بدست می آیند. تبدیل کسینوسی گسسته در حالت کلی در فشرده سازی و ناهمبسته سازی دادهها به صورت نیمه بهینه عمل
بهبود کیفیت روش های جداسازی گفتار از موسیقی مبتنی بر روش عامل بندی نامنفی ماتریس
یک رویکرد برای جداسازی موسیقی از گفتار به عنوان یک مساله جداسازی منابع تک کاناله، روش عامل بندی نامنفی ماتریس(nmf) است. در این روش، طی روندی تکراری، طیف نگار سیگنال مخلوط به طیف نگار سیگنال های سازنده اش(منبع) تجزیه می شود. در این راستا، در مرحله آموزش nmf استاندارد، طیف نگار هر