Clasificación de género basada en señales de voz mediante modelos difusos y algoritmos de optimización

This paper describes a gender classification scheme based on voice signals in which 16 different fuzzy models are proposed and optimized using four bio-inspired optimization algorithms and the quasi-Newton method. The classification scheme considers four data sets and five different voice features t...

Full description

Autores:
Cortés-Martinez, Luis Miguel
Espitia-Cuchango, Helbert Eduardo
Tipo de recurso:
Fecha de publicación:
2019
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
eng
OAI Identifier:
oai:repository.usta.edu.co:11634/36209
Acceso en línea:
http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2356
http://hdl.handle.net/11634/36209
Palabra clave:
Rights
License
Copyright (c) 2019 ITECKNE
id SANTTOMAS2_87a1161de5059b19ce41b27df84f3e14
oai_identifier_str oai:repository.usta.edu.co:11634/36209
network_acronym_str SANTTOMAS2
network_name_str Repositorio Institucional USTA
repository_id_str
spelling Cortés-Martinez, Luis MiguelEspitia-Cuchango, Helbert Eduardo2021-09-24T13:25:05Z2021-09-24T13:25:05Z2019-12-16http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/235610.15332/iteckne.v16i2.2356http://hdl.handle.net/11634/36209This paper describes a gender classification scheme based on voice signals in which 16 different fuzzy models are proposed and optimized using four bio-inspired optimization algorithms and the quasi-Newton method. The classification scheme considers four data sets and five different voice features to define the input values of an algorithm in the optimization process. The inputs of each fuzzy model define the mean and variance of their Gaussian membership functions, and their fitness is evaluated by the input values of the algorithm and mean squared error as objective function to be minimized. A comparative analysis between models, algorithms and data sets is made to obtain conclusions according to the results of each optimized model.En este documento se describe un esquema de clasificación de género, basado en señales de voz, en el que se proponen y prueban 16 modelos difusos diferentes que son optimizados mediante cuatro algoritmos bioinspirados y el método cuasi-Newton. El esquema de clasificación considera cuatro conjuntos de datos y cinco características de voz diferentes para definir los valores de entrada de un algoritmo en el proceso de optimización. Los valores de entrada de cada modelo difuso definen la media y varianza de sus funciones de pertenencia gaussianas, y su desempeño se evalúa mediante los valores de entrada del algoritmo de optimización y el error cuadrático medio como función objetivo para minimizar. Se hace un análisis comparativo entre modelos, algoritmos y conjuntos de datos para obtener conclusiones de acuerdo con los resultados de cada modelo optimizado.application/pdfengUniversidad Santo Tomás. Seccional Bucaramangahttp://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2356/1727ITECKNE; Vol 16 No 2 (2019); 40-57ITECKNE; Vol 16 No 2 (2019); 40-572339-34831692-1798Copyright (c) 2019 ITECKNEhttp://purl.org/coar/access_right/c_abf2Clasificación de género basada en señales de voz mediante modelos difusos y algoritmos de optimizaciónGender classification based on voice signals using fuzzy models and optimization algorithmsinfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb111634/36209oai:repository.usta.edu.co:11634/362092023-07-14 16:28:52.969metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co
dc.title.spa.fl_str_mv Clasificación de género basada en señales de voz mediante modelos difusos y algoritmos de optimización
dc.title.alternative.eng.fl_str_mv Gender classification based on voice signals using fuzzy models and optimization algorithms
title Clasificación de género basada en señales de voz mediante modelos difusos y algoritmos de optimización
spellingShingle Clasificación de género basada en señales de voz mediante modelos difusos y algoritmos de optimización
title_short Clasificación de género basada en señales de voz mediante modelos difusos y algoritmos de optimización
title_full Clasificación de género basada en señales de voz mediante modelos difusos y algoritmos de optimización
title_fullStr Clasificación de género basada en señales de voz mediante modelos difusos y algoritmos de optimización
title_full_unstemmed Clasificación de género basada en señales de voz mediante modelos difusos y algoritmos de optimización
title_sort Clasificación de género basada en señales de voz mediante modelos difusos y algoritmos de optimización
dc.creator.fl_str_mv Cortés-Martinez, Luis Miguel
Espitia-Cuchango, Helbert Eduardo
dc.contributor.author.none.fl_str_mv Cortés-Martinez, Luis Miguel
Espitia-Cuchango, Helbert Eduardo
description This paper describes a gender classification scheme based on voice signals in which 16 different fuzzy models are proposed and optimized using four bio-inspired optimization algorithms and the quasi-Newton method. The classification scheme considers four data sets and five different voice features to define the input values of an algorithm in the optimization process. The inputs of each fuzzy model define the mean and variance of their Gaussian membership functions, and their fitness is evaluated by the input values of the algorithm and mean squared error as objective function to be minimized. A comparative analysis between models, algorithms and data sets is made to obtain conclusions according to the results of each optimized model.
publishDate 2019
dc.date.issued.none.fl_str_mv 2019-12-16
dc.date.accessioned.none.fl_str_mv 2021-09-24T13:25:05Z
dc.date.available.none.fl_str_mv 2021-09-24T13:25:05Z
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/article
dc.identifier.none.fl_str_mv http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2356
10.15332/iteckne.v16i2.2356
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/36209
url http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2356
http://hdl.handle.net/11634/36209
identifier_str_mv 10.15332/iteckne.v16i2.2356
dc.language.iso.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv http://revistas.ustabuca.edu.co/index.php/ITECKNE/article/view/2356/1727
dc.relation.citationissue.spa.fl_str_mv ITECKNE; Vol 16 No 2 (2019); 40-57
dc.relation.citationissue.eng.fl_str_mv ITECKNE; Vol 16 No 2 (2019); 40-57
dc.relation.citationissue.none.fl_str_mv 2339-3483
1692-1798
dc.rights.eng.fl_str_mv Copyright (c) 2019 ITECKNE
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Copyright (c) 2019 ITECKNE
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.eng.fl_str_mv Universidad Santo Tomás. Seccional Bucaramanga
institution Universidad Santo Tomás
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv noreply@usta.edu.co
_version_ 1782026342489915392

Publicaciones similares