تحلیل احساسات از روی گفتار بر پایه ویژگیهای تنالیته گاما

Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 595

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

EMECCONF03_046

تاریخ نمایه سازی: 7 مهر 1398

Abstract:

امروزه ، اهمیت تحلیل احساسات برای تضمین تعامل بهتر و موثرتر افراد با ماشین بسیار افزایش یافته است. سیگنالهای وابسته به دهان و حنجره و سیگنالهای گفتاری، نشاندهنده مشخصه های ماهیت احساسی گفتار به علاوه ی اطلاعات زبانی میباشد بنابراین احساسات گفتار نیز باید شناسایی شود تا پاسخ صحیحی توسط سیستم ارائه شود. تاکید این مقاله بر روی کارایی و تاثیر انتخاب ویژگیهای انرژی با عبور دادن کلام از طریق فیلترهای درجه گاما میباشد که در پهنای باند مستطیلی معادل (ERB) ، MEL و مقیاس BARK قرارگرفته اند. شناسایی احساسات به صورت مستقل با استخراج ویژگیهای درجه گاما و ویژگیهای کپسترال ، از طریق عبور دادن گفتار الحاق شده از فیلترهای درجه گاما در ERB ،MEL و مقیاس BARK که برای آموزش در نظر گرفته شده است ، انجام میشود. ویژگیهای پیشنهادشده برای گفتار تست ثبت شده و سپس بر روی مدلهای VQ/Fuzzy/MHMM/SVM اعمال میشوند. این الگوریتم %96، %79 و%95,3 را به عنوان بازیابی صحت وزندار برای سیستم شناسایی تنش نسبت به طبقه بندی انجامشده در گروه های خاص احساسی با مدلهای VQ/Fuzzy/MHMM/SVM برای ویژگیهای انرژی GFT با فیلترهای گاما قرارگرفته به ترتیب بر روی مقیاس های ERB ، MEL و BARK ارائه میکند که برای سیستمی به دست آمده که با دیتابیس EMO-DB ارزیابی شده است.

Keywords:

سیستم تشخیص احساسات (ERS) , الگوریتم خوشه بندیc میانگین((FCM , مدل چندوجهی مارکوف پنهان (MHMM) , ماشین بردار پشتیبانی (SVM)

Authors

پیمان ابراهیمی دهکردی

دانشجوی کارشناسی ارشدIT، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

پریسا دانشجو

استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران