ارائه يك روش جديد آماري براي انتخاب ويژگي از سيگنال هاي گفتاري داراي لكنت در ايجاد قوانين طبقه بندهاي فازي نوع دو

ايجاد قوانين فازي براي مدل هاي طبقه بندي و همچنين انتخاب ويژگي از ماتريس هاي داده عمدتا از چالش هاي حوزه تشخيص الگو مي باشد. در اين مطالعه به ارايه يك روش آماري براي انتخاب ويژگي و ايجاد قوانين فازي پرداخته مي شود. علاوه براين، جداسازي و شناسايي فريم هاي گوناگون گفتاري در افراد با لكنت زبان نيز داراي پيچيدگي هاي مختلف و از چالش هاي حوزه پردازش گفتار مي باشد. به همين دليل در اين مطالعه سعي شده است تا روش پيشنهادي مورد نظر بر روي يكي از پايگاه هاي داده در اين حوزه پياده سازي گردد. جهت كم كردن اثر نامعيني در مدل از سيستم هاي فازي مرتبه دوم و جهت بهينه سازي مدل پيشنهادي از الگوريتم ژنتيك استفاده شده است. نتايج شبيه سازي بيانگر اين است كه روش پيشنهادي قادر مي باشد تا با كمترين پيچيدگي (از لحاظ تعداد قواعد و از لحاظ تعداد ويژگي) و با يك ميزان صحت مناسب يك مدل طبقه بند با سه كلاس مختلف را ايجاد نمايد.