TY-JOUR A2-葡萄园，Autilia AU-Alkhawaldeh，Rami S。PY-2019 DA-2019/09/09 TI-DGR：使用一维常规神经网络SP-7213717 VL-2019 AB对人类语音进行性别识别-人类语音中包含的语音基本上包含在许多语音识别应用中使用的副语言信息。性别声音被认为是从特定声音中检测出的关键部分之一，这项任务涉及到一定的复杂性。为了从语音信号中区分性别，已经采用了一组技术来确定用于从训练集构建模型的相关特征。该模型可用于从语音信号中确定性别（即男性或女性）。这些贡献包括三个方面：（i）利用一个突出的数据集提供有关已知语音信号特征的分析信息，（ii）研究不同理论家族的各种机器学习模型，以分类语音性别，（iii）使用三种显著的特征选择算法来寻找有希望的最优特征，以改进分类模型。实验结果表明了子特征的重要性，这对于提高分类模型的性能是至关重要的。实验表明，最佳召回率为99.97%；深度学习（DL）和支持向量机（SVM）两种模型的最佳召回率为99.7%，在特征选择的情况下，SVM技术的最佳召回率为100%。编号：1058-9244https://doi.org/10.1155/2019/7213717 DO-10.1155/2019/7213717 JF-科学规划PB-印达维KW-ER-