بهبود تشخیص احساس از گفتار با انتخاب ویژگی های مناسب

چکیده مقاله

بیان احساس در ارتباطات روزمره از جایگاه ویژه ای برخوردار است از این رو، یکی از جنبه های مهم در طبیعی سازی ارتباط میان انسان و ماشین، تشخیص حس گفتار و تولید بازخورد متناسب با احساس درک شده است یکی ازچالش های مهم در مسایل ساخت ماشین ها هوشمند، انتخاب مجموعه ویژگی ها بهینه، محسوب می شود در این تحقیق، تکنیک ها و روش هایی برا انتخاب ویژگی معرفی می شود، که باعث به بهبود سیستم تشخیص احساس از گفتار می شوند در طراحی این سیستم، از روش ها آماری استفاده شده است و معماری آن شامل سه بخش اصلی: استخراج ویژگی، انتخاب ویژگی و آموزش مدل های طبقه بند می باشد در مرحله استخراج ویژگی، ویژگی آکوستیکی شامل اطلاعات مربوط به ویژگی های طیفی از مجموعه گفتاری برلین Berlin Database of Emotional Sp به ازای هفت حس متفاوت خشم، خستگی، تنفر، ترس، شادی، غم و طبیعی خنثی استخراج شده است در مرحله انتخاب ویژگی، دو الگوریتم جستجوی ژنتیک و جستجوی فاخته استفاده شده است پس از تشکیل بردار ویژگی بهینه، میانگین نرخ تشخیص طبقه بندی KNN روی جموعه ویژگی انتخاب شده توسط GA KNN، به 92 52% رسد، که نسبت به دیگر روش ها عملکرد بهتری داشت

کلیدواژه‌ها

نویسندگان

مرضیه رضاییان

دانشجو، دانشکده فنی و مهندسی، موسسه آموزش عالی اشراق بجنورد

شادی لنگری

استاد، دانشکده فنی و مهندسی، موسسه آموزش عالی اشراق بجنورد

�ضاییان، مرضیه و لنگری، شادی،1397،بهبود تشخیص احساس از گفتار با انتخاب ویژگی های مناسب،چهارمین کنفرانس ملی دستاوردهای نوین در برق و کامپیوتر و صنایع،اسفراین

ارائه‌شده در

مجموعه مقالات چهارمین کنفرانس ملی دستاوردهای نوین در برق و کامپیوتر و صنایع18 مهر 1397 · اسفراین