تشخیص احساسات گفتار با استفاده از انتخاب ویژگی بر اساس مدل های بازگشتی
محل انتشار: هفتمین کنفرانس ملی مهندسی برق و الکترونیک ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 779
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE07_493
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
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 .
کلیدواژه ها:
استخراج ویژگی انتخاب ویژگی پایگاه داده برلین طبقه بندی روش بازگشتی
نویسندگان
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 مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :