تشخیص حالت از گفتار با استفاده از تعیین جنسیت گوینده
Publish place: The first national conference on technology and knowledge management focusing on resistance economics
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 938
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
KMTTORBAT01_042
Index date: 6 June 2015
تشخیص حالت از گفتار با استفاده از تعیین جنسیت گوینده abstract
احساس یک حالت روانی و فیزیولوژیکی و مرتبط با طیف گسترده ای از احساسات، افکار و رفتار است. احساسات، تجارب ذهنی، یاتجربه ای از نقطه نظر فردی هستند. احساس اغلب با خلق و خوی ، شخصیت و منش مرتبط است و تشخیص آن نقش مهمی در طبیعی سازی ارتباط میان انسان و ماشین دارد. علیرغم پیشرفتهای گسترده در حوزه پردازش گفتار، درک و تشخیص احساس یکی از چالشهای مهم در ساختماشین های هوشمند محسوب می شود. از این رو، در این مقاله، با استفاده از تعیین جنسیت گوینده (زن یا مرد)، احساسات انسان (خشم، شادی وطبیعی) تشخیص داده می شود. سیستم ارائه شده، به دلیل متمایز بودن ویژگی ها در زن و مرد، ابتدا جنسیت گوینده را با استخراج ویژگی فرکانسپیچ (pitch) گفتار و استفاده از طبقهبندی کننده نزدیکترین همسایه (KNN) تشخیص میدهد و سپس، برای تشخیص احساس گوینده، ویژگیضرایب کپسترال مبتنی بر معیار مل (MFCC) را بکار می برد. احساسات بطور جداگانه برای زن و مرد، براساس صداهایشان کلاس بندی می شوند. با مقایسه تشخیص حالت با تعیین جنسیت (71 %) و بدون تعیین جنسیت (67%)، مشخص گردید که استفاده از تعیین جنسیت گوینده، در تشخیص حالت از گفتار موثر است.
تشخیص حالت از گفتار با استفاده از تعیین جنسیت گوینده Keywords:
تشخیص احساس , تعیین جنسیت گوینده , ضرایب کپسترال مبتنی بر معیار مل , طبقهبندی کننده نزدیکترین همسایه
تشخیص حالت از گفتار با استفاده از تعیین جنسیت گوینده authors
علیرضا پوررضا
گروه مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان
علی شهزادی
عضو هیئت علمی، گروه مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :