کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6951506 | 1451679 | 2018 | 13 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Application of the pairwise variability index of speech rhythm with particle swarm optimization to the classification of native and non-native accents
ترجمه فارسی عنوان
استفاده از شاخص تنوع زوجیت ریتم گفتار با بهینه سازی ذرات ذره به طبقه بندی از لهجه های بومی و غیر بومی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ریتم گفتاری، معیارهای ریتم شاخص تنوع پویا، طبقه بندی، استاندارد مدرن عربی، بهینه سازی ذرات ذرات، لهجه غیر بومی،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
پردازش سیگنال
چکیده انگلیسی
This paper presents a technique that applies the pairwise variability index (PVI), a rhythm metric that quantifies variability in speech rhythm, to the classification of speech varieties. The technique combines the Particle Swarm Optimization (PSO) algorithm with a generalization of several rhythm metrics that are based on the PVI. The performance of this optimization-oriented classification is compared with classification that uses conventional (both PVI-based and interval-based) rhythm metrics. Application is made to the classification of native and non-native Arabic speech using data are from the West Point Arabic Speech Corpus; experiments are based on segmental durations and use Support Vector Machine (SVM) classification. Results show that the optimization-oriented classification provides a better discrimination between native and non-native speech varieties than classification based of the conventional rhythm metrics. When added to different combinations of these conventional metrics, the optimization-oriented procedure consistently improves classification rates.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Speech & Language - Volume 48, March 2018, Pages 67-79
Journal: Computer Speech & Language - Volume 48, March 2018, Pages 67-79
نویسندگان
Soumaya Gharsellaoui, Sid Ahmed Selouani, Wladyslaw Cichocki, Yousef Alotaibi, Adel Omar Dahmane,