انتخاب داده های آموزشی مبتنی بر RANSAC برای احساسات تشخیص از گفتار خود به خود
| عنوان | انتخاب داده های آموزشی مبتنی بر RANSAC برای احساسات تشخیص از گفتار خود به خود |
|---|---|
| نویسنده | Eroğlu Erdem، Ç.، Bozkurt، E.، Erzin، E.، Erdem، Tanju |
| تاریخ انتشار: | 2010 |
| محل انتشار | - ACM |
| موضوع | تشخیص تأثیر، طبقهبندی گفتار احساسی، RANSAC، تمیز کردن دادهها، هرس دادهها |
| نوع | سند |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 978-1-4503-0170-1 |
| شماره ثبت | cedcd21c-080b-4f64-93a2-a0d5e81dba52 |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2010 |
| یادداشتها | با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است. |
| متن نمونه | مجموعه داده های آموزشی حاوی عبارات عاطفی خود به خودی اغلب ناقص هستند به دلیل ابهامات و مشکلات برچسب زدن چنین داده هایی توسط ناظران انسانی. در این مقاله، ما یک رویکرد آموزشی مبتنی بر اجماع نمونهگیری تصادفی (RANSAC) برای مشکل تشخیص احساسات از ضبطهای گفتار خود به خود ارائه میکنیم. انگیزه ما این است که یک فرآیند پاکسازی داده را در مرحله آموزش مدلهای مارکوف پنهان (HMM) به منظور حذف برخی از نمونههای مشکوک برچسبهایی که ممکن است در مجموعه داده آموزشی وجود داشته باشد، وارد کنیم. آزمایشهای ما با استفاده از HMM با تعداد حالتهای مختلف و مخلوطهای گاوسی در هر حالت نشان میدهد که استفاده از RANSAC در مرحله تمرین، بهبودی تا 2.84 درصد در نرخهای یادآوری وزننشده در مجموعه آزمایشی را فراهم میکند. این بهبود در دقت طبقهبندی کننده با استفاده از آزمون مک نمار از نظر آماری معنیدار است. |
| DOI | 10.1145/1877826.1877831 |
