Остання редакція: 2022-04-26
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.
COMPARATIVE ANALYSIS OF METHODS OF VOICE BIOMETRY IMPLEMENTATION
Annotation:
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.
Ключові слова
Посилання
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.