انتخاب داده های آموزشی مبتنی بر RANSAC بر روی ویژگی های طیفی برای تشخیص احساسات از گفتار خود به خودی
| عنوان | انتخاب داده های آموزشی مبتنی بر RANSAC بر روی ویژگی های طیفی برای تشخیص احساسات از گفتار خود به خودی |
|---|---|
| نویسنده | بوزکورت، ای، ارزین، ای، اردم، تانجو، اروغلو اردم، چ. |
| تاریخ انتشار: | 2011 |
| محل انتشار | - انتشارات بین المللی Springer |
| موضوع | تشخیص تاثیر، طبقه بندی گفتار احساسی، RANSAC، پاکسازی داده ها، ترکیب تصمیم |
| نوع | كتاب |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 0302-9743 |
| شماره ثبت | 15a4496b-b117-4f1e-8eb7-a0d2157fe788 |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2011 |
| یادداشتها | TÜBİTAK |
| متن نمونه | مجموعه داده های آموزشی حاوی گفتار 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 ضرایب مغزی فرکانس مل (MFCC) و ویژگیهای فرکانس طیفی خط (LSF) نشان میدهد که استفاده از RANSAC در مرحله تمرین باعث بهبود نرخهای یادآوری وزننشده در مجموعه آزمایشی میشود. مطالعات تجربی انجام شده بر روی FAU Aibo Emotion Corpus نشان میدهد که پیکربندیهای فیوژن تصمیم با طبقهبندیکنندههای مبتنی بر LSF و MFCC، بهبود عملکرد قابل توجه بیشتری را ارائه میکنند. |
| DOI | 10.1007/978-3-642-25775-9_3 |
| Cilt | 6800 |
