تصنيف تلقائي للمدخنين من إشارة الكلام باستخدام التعلم الآلي
Automatic Smokers Classification from Speech Signal Using Machine Learning
- الباحث
- إبراهيم خضر زعل مجنان
- المشرف
- يسرى فيصل محمد الرحيم
- الجامعة
- جامعة الموصل
- الكلية / القسم
- كلية علوم الحاسوب والرياضيات / علوم الحاسوب
- الشهادة
- ماجستير
- السنة
- 2024
- لغة الرسالة
- انكليزي
- الكلمات المفتاحية
- Smokers Classification ; Speech Signal ; Machine Learning ; Voice Analysis
الملخص
يتأثر صوت الإنسان، وتنخفض جودته بشكل ملحوظ عند التدخين. العادات التي يمارسها الإنسان لها تأثير واضح جداً على ص حته. ومن أهم هذه العادات التدخين والكحول وتعاطي المخدرات،؛ وهناك فرق كبير بين أصوات المدخنين وغير المدخنين. تم تصميم نظام لتصنيف المدخنين من غير المدخنين وجنسهم بناء على إشارة الكلام باستخدام خوارزميات التعلم الآلي في لغة بايثون. تركز هذه الدراسة على التصنيف التلقائي للمدخنين باستخدام إشارات الكلام. يستخدم النظام المقترح 200 إشارة كلامية من 20 مدخدًا وغير مدخن، 10 ذكور و10 SLI تتراوح الأعمار من 18 إلى 30 عامًا. وتم تمجيل مجموعة البيانات Li gay باستخدام ميكروفون .11 Zoom التحية الإسلامية هي الجملة المسجلة: (السلام عليكم ورحمة الله وبركاته) في الإشارة الصوتية. كررها الأشخاص 10 مرات. بعد المعالجة المسبقة لمجموعة البيانات وتحليل الإشارات لاستخراج الميزات، يتم استخراج نوعين من الميزات: معاملات ميل التردد Cepstral (MFCC) وميزات tl Ys ، (ROSELL! والوميضء و (51/112]المستخرجة من الإشارات. تبدأ الشبكة العصبية ذات الانتشار الخلفي وجهاز ناقل الدعم (SVM) ونموذج التتالي لشجرة القرار (121)في التدريب بعد المعالجة المسبقة لمجموعة البيانات. يعد تصنيف البيانات as) الاستخدامات الرئيسية لخوارزميات التعلم الآلي. تم تقييم أداء النماذج باستخدام خوارزمية مصفوفة الارتباك، والتي حققها نموذج شبكة الانتشار الخلفي (الدقة = 0.90 للذكور والدقة = 0.73 للإناث) حقق نموذج 48s!) SVM = 0.94 لدقة الذكور - 0.89 للإناث) ، وتم تحقيق نموذج شجرة القرار (DT) (الدقة = 0.87 للذكور والدقة = 0.72 للإناث). حققت خوارزمية SVM اعلى معدل تصنيف وهو تصنيف 4 اشخاص من اصل 5 اشخاص بشكل صحيح. قرار لجنة المناقشة نشهد Lil أعضاء لجنة المناقشة قد اطلعنا على الرسالة الموسومة " تصنيف تلقائي للمدخنين من اشارة الكلام باستخدم التعلم الآلي " وناقشنا الطالب " ابراهيم خضر زعل " في محتوياتها Lady له علاقة بها بتاريخ TeV 4/ ”/١4 ونعتقد Lgl جديرة بالقبول لنيل شهادة ماجستير علوم في علوم الحاسوب. التوقيع: 001 التوقيع: الاسم: د. 43599 محمود رمو الاسم: 3 سماء طليع عزيز المرتبة العلمية: استاذ المرتبة العلمية: استاذ مساعد التاريخ: 5؟/ Vey eee التاريخ: ٠١” eee LYN رئيس اللجنة عضو اللجنة التوقيع: ٠ التوقيع: الاسم: د. عمر مؤيد عبدالله الاسم: د. يسرى فيصل محمد المرتبة العلمية: مدرس المرتبة العلمية: استاذ مساعد التاريخ: Vey eee PVN التاريخ: 55/"” /4؛ Vey عضو اللجنة عضو اللجنة (المشرف) قرار مجلس الكلية اجتمع مجلس كلية علوم الحاسوب والرياضيات بجلسته ) ( المنعقدة بتاريخ / /4 tet وقرر منحه شهادة ماجستير علوم في علوم الحاسوب. التوقيع:. التوقيع: ٠ الاسم: أ.د. صفوان عمر حسون الاسم: أ.د. ضحى بشير عبدالله مقرر مجلس كلية علوم الحاسوب والرياضيات عميد كلية علوم الحاسوب والرياضيات التاريخ: / Vey tf التاريخ: ٠١5 4/ J
Abstract
The human voice is affected and its quality decreases significantly when smoking. Some habits that a person practices have a very clear impact on their health. The most important of these habits are smoking, alcohol, and drug use, and there is a big difference between the voice of smokers and non-smokers. Therefore, a system was designed to classify smokers from non- smokers and their gender based on the speech signal using machine learning algorithms using python language. This study focuses on the automatic classification of smokers using speech signals. The suggested system uses 200 speech signals from 20 smokers and non-smokers, 10 male and 10 female. Ages range from 18 to 30. The dataset was manually recorded with a Zoom F1 microphone. Islamic greeting is the sentence recorded: (السلام عليكم ورحمة الله وبركاته) in the audio signal. Everyone repeated it 10 times. After pre-processing the dataset and analyzing the signals to extract features, two types of features are extracted: Mel Frequency Cepstral Coefficients (MFCC) and acoustic features (FO, jitter, shimmer, and HNR) extract from signals. The back-propagation neural network, support vector machine (SVM), and decision tree (DT) cascade model start training after pre-processing the dataset. Data classification is a key use of machine learning algorithms. The performance of the models was evaluated using the confusion matrix algorithm, which the back-propagation network model achieved (precision = 0.90 for male and precision = 0.73 for female) the SVM model achieved (precision = 0.94 for male precision = 0.89 for female), and the Decision Tree (DT) model achieved (precision = 0.87 for male and precision = 0.72 for female). The SVM algorithm has obtained the classification rate, and it classifies 4 people out of 5 people correctly.
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.