انتخاب ویژگی مستقل از گوینده برای تشخیص حالت احساس از روی گفتار: با استفاده از رویکرد چند وظیفه‌ای
کد مقاله : 1090-CFIS (R1)
نویسندگان:
الهام کلهر *1، بهزاد بختیاری2
1دانشگاه صنعتی سجاد- گروه مهندسی کامپیوتر و فناوری اطلاعات-مشهد
2دانشگاه صنعتی سجاد-عضو هیت علمی دانشکده ی مهندسی کامپیوتر و فناوری اطلاعات
چکیده مقاله:
برای یک سیستم تشخیص حالت احساس فرد از روی گفتار، مستقل از گوینده بودن اهمیت بالایی دارد. زیرا عموما در مرحله‌ی آموزش با تعدادی از گویندگان عمل یادگیری صورت می‌پذیرد. اما در زمان کاربرد واقعی با گویندگان دیگر سر و کار خواهیم داشت لذا این سیستم‌ها نیازمند انتخاب ویژگی‌های موثر هستند به نحوی که تمیز دهنده‌ی حالت احساس افراد در مواجهه با گویندگان مختلف باشند. برای این منظور در این مقاله با رویکرد چند وظیفه‌ای، تابع هدفی پیشنهاد می‌شود که هر فرد را به عنوان یک وظیفه در نظر گرفته و با یادگیری چند وظیفه‌ای بین گویندگان مختلف سعی می‌کند ویژگی‌های مشترک آن‌ها را در طبقه‌بندی هر جفت کلاس احساسی پیدا کند. آزمایشات صورت گرفته در دو دادگان معروف EMO-DB و Enterface نشان می‌دهند که انتخاب ویژگی روش پیشنهادی نسبت به سایر روش‌ها موثرتر بوده و با سرعت بیشتری نیز انجام می‌گردد.
کلیدواژه ها:
انتخاب ویژگی مستقل از گوینده، تشخیص احساس، ترکیب طبقه‌بندها، پردازش گفتار
وضعیت : مقاله برای ارائه شفاهی پذیرفته شده است