تشخیص احساس گوینده از روی گفتار با استفاده از ترکیب طبقه بندهای svm و knnٍ

یکی از موضوعات مهم در حوزه ی تعامل انسان و ماشین تشخیص احساس گوینده از روی سیگنال گفتار است. در سالهای اخیر تلاش های زیادی برای افزایش کارایی سیستم تشخیص احساس صورت گرفته است. یکی از راه های افزایش کارایی این سیستم ها، استخراج ویژگی های کارآمد از سیگنال گفتار می باشد. در این مقاله برای به دست آوردن نتیجه بهتر، ترکیب ویژگی های حوزه ی زمان و فرکانس به کار گرفته شده است. ویژگی های استخراج شده شامل فرکانس گام، انرژی، فرمنت ها، ضرایب کپسترال فرکانسی در مقیاس مل، ضرایب پیشگویی خطی، نرخ عبور از صفر می باشند. سپس برای به دست آوردن بهترین ترکیب از ویژگی ها و همچنین کاهش حجم محاسبات از الگوریتم کاهش ویژگی تحلیل مولفه های اصلی استفاده شده است. صحت طبقه بندی با استفاده از طبقه بند K- تزدیک ترین همسایه روی پایگاه داده برلین 74% به دست آمد. به منظور بالا بردن صحت، یک الگوریتم طبقه بندی دو مرحله ای با استفاده از طبقه بندهای K- نزدیک ترین همسایه و ماشین بردار پشتیبان پیشنهاد شده و صحت 97% به دست آمده است.

کلیدواژه ها:

تشخیص احساس ، استخراج ویژگی ، طبقه بندی ، ماشین بردار پشتیبان ، K- نزدیک ترین همسایه