Порівняльний аналіз методів реалізації голосової біометрії
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Comparative analysis of voice biometrics implementation methods
Анотація
У доповіді розглянуто сучасні методи реалізації голосової біометрії, проаналізовано їхні переваги та недоліки, створено порівняльну таблицю даних методів, що ґрунтується на визначенні рангів основних характеристик.
The report considers modern methods of the implementation of voice biometrics, analyzes their advantages and disadvantages, created a comparative table of these methods, based on determining the ranks of the main characteristics.
The report considers modern methods of the implementation of voice biometrics, analyzes their advantages and disadvantages, created a comparative table of these methods, based on determining the ranks of the main characteristics.
Опис
Ключові слова
біометрія , голосова біометрія , розпізнавання голосу , метод опорних векторів , модель суміші Гауса , прихована марківська модель , динамічне викривлення часу , векторне квантування , штучні нейронні мережі , biometrics , voice biometrics , voice recognition , support vector machine , Gaussian mixture model , hidden markov model , dynamic time warping , vector quantization , artificial neural networks
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Салієва К. Р. Порівняльний аналіз методів реалізації голосової біометрії [Електронний ресурс] / К. Р. Салієва, О. В. Салієва // Матеріали Всеукраїнської науково-практичної інтернет-конференції "Молодь в науці: дослідження, проблеми, перспективи (МН-2022)", Вінниця, 16-17 червня 2022 р. – Електрон. текст. дані. – 2022. – Режим доступу: https://conferences.vntu.edu.ua/index.php/mn/mn2022/paper/view/14979.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (9)
- Bio-metric Encryption of Data Using Voice Recognition [Електронний ресурс] // Science Publishing Group. – 2021. – Режим доступу до ресурсу: http://www.sciencepublishinggroup.com/j/acis.
- An Overview and Analysis of Voice Authentication Methods [Електронний ресурс]. – 2016. – Режим доступу до ресурсу: https://www.semanticscholar.org/paper/An-Overview-and-Analysis-of-Voice-Authentication-Shoup- Talkar/572af444f0382b8e7e156ab36192da95a3b8dec4.
- Efficient voice activity detection algorithms using long-term speech information [Електронний ресурс] // Speech Communication. – 2014. – Режим доступу до ресурсу: https://www.journals.elsevier.com/speech-communication.
- Support Vector Machines [Електронний ресурс]. – 2020. – Режим доступу до ресурсу: https://scikit- learn.org/stable/modules/svm.html.
- Gaussian Mixture Models: What are they & when to use? [Електронний ресурс]. – 2022. – Режим доступу до ресурсу: https://vitalflux.com/gaussian-mixture-models-what-are-they-when-to-use/.
- Hidden Markov Models (HMM) [Електронний ресурс]. – 2022. – Режим доступу до ресурсу: https://www.mathworks.com/help/stats/hidden-markov-models-hmm.html.
- Dynamic Time Warping (DTW) [Електронний ресурс]. – 2019. – Режим доступу до ресурсу: https://medium.datadriveninvestor.com/dynamic-time-warping-dtw-d51d1a1e4afc.
- Vector Quantization [Електронний ресурс]. – 2003. – Режим доступу до ресурсу: https://www.sciencedirect.com/topics/engineering/vector-quantization.
- Artificial Neural Network [Електронний ресурс] // Journal of Environmental Management. – 2015. – Режим доступу до ресурсу: https://www.sciencedirect.com/topics/earth-and-planetary-sciences/artificial-neural-network.