فاطمه دانشفر - دانشجوی دکتری معماری کامپیوتر
سید جهانشاه کبودیان - استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات

در سال های اخیر توجه ویژه ای به تشخیص اطلاعات احساسی سیگنال گفتار جلب شده است. در این مقاله یک الگوریتم جدید بهینه سازی دسته ذرات کوانتومی ( به نام pQPSO) برای کاهش بعد در سیستم های تشخیص احساس از روی گفتار (SER) ارایه شده است. QPSO یک الگوریتم بهینه سازی با سرعت همگرایی بالا و پیاده سازی آسان به نسبت سایر الگوریتم های مشابه است، اما تاکنون در حوزه سیستم های SER مورد استفاده قرار نگرفته است. در این مقاله از یک الگوریتم QPSO جدید و بهبود یافته، برای تقریب ماتریس تبدیل، در مرحله کاهش بعد سیستم استفاده شده است. نتایج بررسی ها بر روی پایگاه داده احساسی گفتار برلین (EMO-DB) نشان میدهد که این استراتژی کاهش بعد، صحت و دقت سیستمهای SER را به نسبت سایر روش های کلاسیک مانند FA، PCA، PPCA، LDA و دو روش اخیر استفاده شده از همین دادگان بهبود داده است

الگوریتم بهینه سازی دسته ذرات کوانتومی ، تشخیص احساس از روی گفتار، پایگاه داده گفتار احساسی برلین، ماتریس کاهش بعد