ارائه یک روش جدید آماری برای انتخاب ویژگی از سیگنال های گفتاری دارای لکنت در ایجاد قوانین طبقه بندهای فازی نوع دو

ایجاد قوانین فازی برای مدل های طبقه بندی و همچنین انتخاب ویژگی از ماتریس های داده عمدتا از چالش های حوزه تشخیص الگو می باشد. در این مطالعه به ارایه یک روش آماری برای انتخاب ویژگی های ZCR و ۴ ضریب از مجموعه ویژگی های MFCC و ایجاد ۵ قاعده فازی پرداخته می شود. علاوه براین، جداسازی و شناسایی فریم های گوناگون گفتاری در افراد با لکنت زبان نیز دارای پیچیدگی های مختلف و از چالش های حوزه پردازش گفتار می باشد. به همین دلیل در این مطالعه سعی شده است تا روش پیشنهادی مورد نظر بر روی یکی از پایگاه های داده در این حوزه پیاده سازی گردد. جهت کم کردن اثر نامعینی در مدل از سیستم های فازی مرتبه دوم و جهت بهینه سازی مدل پیشنهادی از الگوریتم ژنتیک استفاده شده است. نتایج شبیه سازی بیانگر این است که روش پیشنهادی قادر می باشد تا با کمترین پیچیدگی (از لحاظ تعداد قواعد و از لحاظ تعداد ویژگی) و با یک میزان صحت مناسب ۸۵/۴۲% یک مدل طبقه بند با سه کلاس مختلف را ایجاد نماید.

کلیدواژه ها:

انتخاب ویژگی ، طبقه بندی فازی ، سیستم های فازی مرتبه دو ، لکنت زبان ، پردازش گفتار