| DC Field | Value | Language |
|---|
| dc.contributor.author | Вагин, В. Н. | - |
| dc.contributor.author | Ганишев, В. А. | - |
| dc.date.accessioned | 2015-04-16T10:20:43Z | |
| dc.date.accessioned | 2017-07-18T09:10:19Z | - |
| dc.date.available | 2015-04-16T10:20:43Z | |
| dc.date.available | 2017-07-18T09:10:19Z | - |
| dc.date.issued | 2015 | - |
| dc.identifier.citation | Вагин, В. Н. Применение методов интеллектуального анализа временных рядов для задачи кластеризации пользователей по голосу / В. Н. Вагин, В. А. Ганишев // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2015) : материалы V междунар. науч.-техн. конф. (Минск, 19-21 февраля 2015 года)/ редкол. : В. В. Голенков (отв. ред.) [и др.]. – Минск : БГУИР, 2015. – С. 519-524. | ru_RU |
| dc.identifier.isbn | 978-985-543-034-7 | - |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/4145 | - |
| dc.description.abstract | В данной работе рассматривается применение методов интеллектуального анализа временных рядов для задачи кластеризации пользователей по голосу. В качестве модели пользователя используется набор мел-частотных
кепстральных коэффициентов. Использование метода нейросетевого сжатия данных позволяет сократить размерность вектора признаков. Кластеризация выполняется с помощью самоорганизующихся карт Кохонена. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | Оstis | ru_RU |
| dc.subject | кластеризация | ru_RU |
| dc.subject | временные ряды | ru_RU |
| dc.subject | мел-частотные кепстральные коэффициенты | ru_RU |
| dc.subject | самоорганизующиеся карты | ru_RU |
| dc.title | Применение методов интеллектуального анализа временных рядов для задачи кластеризации пользователей по голосу | ru_RU |
| dc.title.alternative | Application of time series analysis for speaker clustering | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | The purpose of this paper is the introduction of time
series analysis methods to the problem of speaker clustering. User's model used for clustering is based on the mel-frequency cepstral coefficients. We consider the
use of methods of neuro-network data compression to reduce the dimensionality of the feature vector. Clustering is performed using self-organizing Kohonen maps. | - |
| Appears in Collections: | OSTIS-2015
|
