| dc.contributor.author | Водолазська, Д. В. | uk |
| dc.contributor.author | Крупельницький, Л. В. | uk |
| dc.contributor.author | Krupelnitskyi, L. V. | en |
| dc.date.accessioned | 2025-08-13T09:54:08Z | |
| dc.date.available | 2025-08-13T09:54:08Z | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Водолазська Д. В., Крупельницький Л. В. Порівняння алгоритмів кластеризації для задач розпізнавання голосу // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/22267. | uk |
| dc.identifier.isbn | 978-617-8163-57-0 | |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/48294 | |
| dc.description.abstract | У роботі розглядаються питання порівняння алгоритмів кластеризації для задачі розпізнавання голосів.
Проаналізовано ефективність різних підходів, таких як агломеративна ієрархічна кластеризація, спектральна
кластеризація та методи на основі глибокого навчання. Визначено перспективи використання цих методів у
реальних умовах та їх вплив на точність розпізнавання голосів. | uk |
| dc.description.abstract | The paper considers the comparison of clustering algorithms for speaker recognition tasks. The efficiency of
different approaches, such as agglomerative hierarchical clustering, spectral clustering, and deep learning-based
methods, is analyzed. The prospects of using these methods in real-world conditions and their impact on the accuracy of
speaker recognition are determined. | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/22267 | |
| dc.subject | кластеризація | uk |
| dc.subject | розпізнавання голосів | uk |
| dc.subject | штучний інтелект | uk |
| dc.subject | глибоке навчання | uk |
| dc.subject | агломеративна ієрархічна кластеризація | uk |
| dc.subject | спектральна кластеризація | uk |
| dc.subject | clustering | en |
| dc.subject | speaker recognition | en |
| dc.subject | artificial intelligence | en |
| dc.subject | deep learning | en |
| dc.subject | agglomerative hierarchical clustering | en |
| dc.subject | spectral clustering | en |
| dc.title | Порівняння алгоритмів кластеризації для задач розпізнавання голосу | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.9 | |
| dc.relation.references | Reynolds, D.A., Quatieri, T.F., Dunn, R.B. (2000). Speaker verification using adapted Gaussian mixture models. Digital Signal Processing, 10(1-3), 19-41. | en |
| dc.relation.references | Shi, J., Malik, J. (2000). Normalized cuts and image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(8), 888-905. | en |
| dc.relation.references | Snyder, D., Garcia-Romero, D., Povey, D., Khudanpur, S. (2018). X-vectors: Robust DNN embeddings for speaker recognition. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 5329-5333. | en |
| dc.relation.references | Zhou, B., Hansen, J.H.L. (2000). Unsupervised speaker change detection using probabilistic models. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 423-426. | en |
| dc.relation.references | Kinnunen, T., Li, H. (2010). An overview of text-independent speaker recognition: From features to supervectors. Speech Communication, 52(1), 12-40. | en |
