تشخیص احساسات انسان از روى گفتار توسط هم جوشی طبقه بندهای SVMوKNN

بازشناسی احساس از گفتار به یکی از موضوعات پژوهشی فعال در پردازش گفتار و در برنامه های مبتنی بر تعامل انسان و کامپیوتر تبدیل شده است. با وجود پژوهش های زیاد در این زمینه همچنان فاصله زیادی بین احساسات طبیعی انسان و درک کامپیوتر نسبت به آن وجود دارد. در حالت کلی یک سیستم بازشناسی احساس از روی گفتار را می توان متشکل از سه بخش مهم استخراج ویژگی، انتخاب ویژگی و طبقه بندی دانست . که در این مقاله ویژگی هاى فوریه FP ضرایب کپسترال فرکانسی مل MFCC ویژگی های FEZ و ترکیب های مختلفی از آنها به عنوان بردار ویژگی از دادگان استخراج می شود. مساله بعد کاهش ویژگی مربوط به تشخیص احساس از گفتار برای ارزیابی کارایی سیستم توضیح داده شده است. سپس همجوشی طبقه بندی هاى هر حالت احساسی با استفاده از ماشین بردار پشتیبان SVMوK نزدیکترین همسایه KNN انجام میگیرد. به منظور مقایسه، آزمایشات مشابهی بر روی دادگان گفتار احساسی زبان آلمانی و زبان فارسی انجام شده است و نتایج قابل توجهی به دست آمده است

کلیدواژه ها:

الگوریتم تحلیل مولفه های اصلی ، مدل ماشین بردار پشتیبان K نزدیکترین همسایه ، تشخیص احساسات گفتار ، محاسبات عاطفی