تشخیص احساسات گفتار با استفاده از انتخاب ویژگی بر اساس مدل های بازگشتی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 783
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE07_493
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
امروزه تشخیص احساس از گفتار در مواردی که ارتباط متقابل انسان و ماشین وجود دارد مورد توجه قرار گرفته شده است. با وجود تلاش های زیاد در این زمینه همچنان فاصله زیادی بین احساسات طبیعی انسان و درک کامپیوتر نسبت به آن وجود دارد . در این مقاله از پایکاه داده برلین به عنوان معروف ترین پایگاه داده موجود با 055 جمله که توسط بازیگران حرفه ای در محیط آزمایشگاه ایجاد شده که از 61 جمله آن با 7 احساس متفاوت خوشحالی ، تنفر ، طبیعی ، ترس ، ناراحتی ، عصبانیت و خستگی استفاده شده است.ویژگی های گوناگون جملات این پایگاه به صورت مجزا استخراج و به دلیل تعداد بسیار زیاد ویژگی به روشی برای کاهش فضای ویژگی پیش از اعمال الگوریتم دسته بندی نیاز است.بدین منظور از یک روش بازگشتی مبتنی بر SVM )ماشین بردار پشتیبان) جهت استخراج ویژگی های موثر در تشخیص احساس از داده های موجود بیان شده است. همچنین جهت طبقه بندی احساسات از دو طبقه بند MSVM وKNN ( K نزدیکترین همسایگی ( استفاده شده است.نرخ متوسط تشخیص تنها با استفاده از 8 ویژگی موثرتر از میان 75 ویژگی موجود بدست آمده ست .
Keywords:
استخراج ویژگی انتخاب ویژگی پایگاه داده برلین طبقه بندی روش بازگشتی
Authors
بنفشه ابراهیم پور
دانشکده مهندسی برق، دانشگاه آزاد اسلامی واحد نجف آباد،
سید حمید محمودیان
دانشکده مهندسی برق، دانشگاه آزاد اسلامی واحد نجف آباد،
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 :