سیستم مبتنی بر قوانین فازی برای پشتیبان تصمیم‌گیری تشخیص رخدادهای صوتی SVM-GMM ترکیبی

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

سیستم مبتنی بر قوانین فازی برای پشتیبان تصمیم‌گیری تشخیص رخدادهای صوتی SVM-GMM ترکیبی

عنوان لاتین

Fuzzy Rule-Based System for Decision Making Support of Hybrid SVM-GMM Acoustic Event Detection

این مقاله یک مکانیزم SVM-GMM ترکیبی را برمبنای سیستم مبتنی بر قوانین فازی (FRBS)، به نام FRBS-SVMGMM، برای برنامه‌های کاربردی تشخیص رخدادهای صوتی (AED) نشان‌می‌دهد. این روش به‌ طور موثری نتایج ماشین بردار پشتیبان (SVM) و محاسبات مدل مخلوط گاووس (GMM) بر روی داده‌های صوتی درون چارچوب عملیات FRBS را ترکیب می‌کند.با پشتیبان FRBS، که به‌طور زیادی دقت تشخیص AED را افزایش می‌دهد، AED می‌تواند قابل اعتماد شود و تصمیم‌های تشخیصی صحیحی را اتخاذ کند. این رویکرد ضرورتآ برای کاربردهایی است که تشخیص‌های نادرست نگرانی اصلی آن‌ها است. مکانیزم FRBS-SVMGMM پیشنهادشده، از لحاظ مفهومی ساده و از لحاظ محاسباتی هزینه‌ بر است. آزمایش‌های تشخیص عملکرد مقایسه‌ای در این مطالعه تاثیر و برتری FRBS-SVMGMM پیشنهادشده را بیان می‌کند.

This paper presents a hybrid SVM-GMM mechanism based on a fuzzy rule-based system (FRBS), called FRBS-SVMGMM, for acoustic event detection (AED) applications. This method effectively combines the results of support vector machine (SVM) and Gaussian mixture model (GMM) calculations on acoustic data within the framework of FRBS operations. With the support of FRBS, which greatly increases AED recognition accuracy, AED can make reliable and correct detection decisions. This approach is essential to applications where low false recognition is a major concern. The proposed FRBS-SVMGMM mechanism is conceptually simple and computationally inexpensive. The comparative recognition performance experiments in this study demonstrate the effectiveness and superiority of the proposed FRBS-SVMGMM