Comparison of Different Normalization Techniques on Speakers’ Gender Detection

Simple item page
dc.creatorİLERİ, Serhat
dc.creatorKARABİNA, Armağan
dc.creatorKILIÇ, Erdal
dc.date2018-09-30T00:00:00Z
dc.date.accessioned2020-10-10T07:24:01Z
dc.date.available2020-10-10T07:24:01Z
dc.descriptionIn this study, the effect of Short-time Mean and Variance Normalization(STMVN), Short-time Cepstral Mean andScale Normalization (STMSN), Min-Max Normalization, Z-Score Normalization andStandard Deviation Normalization techniques on the classificationperformance was investigated in determining speakers’ gender. In the study,voice records which belongs to 192 male and 192 female speakers from TIMIT dataset were used as data set. Features were extracted from Mel Frequency CepstralCoefficients (MFCC) technique by using voice records and extractedfeatures’ dimension was reduced to Principal Component Analysis (PCA), thennormalized with different techniques.  Support Vector Machine (SVM) wasused as classifier. As a result of study, it was observed that, the highest accuracyin speakers’ gender estimation is obtained as %98.18 from features which werenormalized with Standard Deviation Normalization technique and othernormalization techniques were reduced accuracy.
dc.descriptionBu çalışmada Kısa-zamanOrtalama ve Değişinti Normalizasyonu (Short-time Mean and VarianceNormalization - STMVN), Kısa-zaman Sepstral Ortalama ve ÖlçeklendirmeNormalizasyonu (Short-time Cepstral Mean and Scale Normalization - STMSN),Asgari – Azami (Min-Max) Normalizasyonu, Z-Skor (Z-Score) Normalizasyonu veStandart Sapma (Standard Deviation) Normalizasyon tekniklerinin, konuşmacıcinsiyetinin tespitinde sınıflandırma başarımına etkisi araştırılmıştır.Çalışmada veri seti olarak TIMIT veri setindeki 192 erkek ve 192 kadınkonuşmacıya ait ses kayıtları kullanılmıştır. Ses kayıtlarından Mel FrekansıSepstral Katsayısı (Mel Frequency Cepstral Coefficient – MFCC) tekniği ileöznitelik çıkarılmış ve çıkarılan özniteliklerin boyutu Temel BileşenAnalizi (Principal component analysis – PCA) ile indirgenerek, değişikteknikler ile normalize edilmiştir. Sınıflandırıcı olarak Destek Vektör Makinesi (Support Vector Machine – SVM) kullanılmıştır.Çalışma sonucunda konuşmacı cinsiyeti tahmininde en yüksek başarımın %98.18 ileStandart Sapma Normalizasyon Tekniği ile normalize edilmiş özniteliklerdenelde edildiği gözlemlenmiş olup diğer tekniklerin başarımı düşürdüğügözlemlenmiştir.
dc.formatapplication/pdf
dc.identifierhttps://dergipark.org.tr/tr/pub/makuubd/issue/39509/410625
dc.identifier10.31200/makuubd.410625
dc.identifier.urihttps://hdl.handle.net/11672/3053
dc.languageen
dc.publisherMehmet Akif Ersoy University
dc.publisherMehmet Akif Ersoy Üniversitesi
dc.relationhttps://dergipark.org.tr/tr/download/article-file/546045
dc.sourceVolume: 2, Issue: 2 1-12en-US
dc.source2602-425X
dc.sourceMehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi
dc.subjectMax-Min Normalization,Z-Score Normalization,Standard Deviation Normalization,Short-time Mean and Variance Normalization,Short-time Cepstral Mean and Scale Normalization
dc.subjectAsgari – Azami Normalizasyonu,Z-Skor Normalizasyonu,Standart Sapma Normalizasyonu,Kısa-zaman Ortalama ve Değişinti Normalizasyonu,Kısa-zaman Sepstral Ortalama ve Ölçeklendirme Normalizasyonu
dc.titleComparison of Different Normalization Techniques on Speakers’ Gender Detectionen-US
dc.titleKonuşmacı Cinsiyetinin Tespitinde Değişik Normalizasyon Tekniklerinin Kıyaslanmasıtr-TR
dc.typeinfo:eu-repo/semantics/article

Files

Collections

Mehmet Akif Ersoy Üniversitesi Uygulamalı Bilimler Dergisi