تحلیل احساسات از روی گفتار بر پایه ویژگیهای تنالیته گاما
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 640
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMECCONF03_046
تاریخ نمایه سازی: 7 مهر 1398
چکیده مقاله:
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.
کلیدواژه ها:
سیستم تشخیص احساسات (ERS) ، الگوریتم خوشه بندیc میانگین((FCM ، مدل چندوجهی مارکوف پنهان (MHMM) ، ماشین بردار پشتیبانی (SVM)
نویسندگان
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