بهبود کارایی تشخیص احساس از روی گفتار با انتخاب ویژگیهای بهینه توسط الگوریتم ژنتیک بهبود یافته با جستجوی فاخته
کد مقاله : 1112-CFIS
نویسندگان:
شادی لنگری *1، حسین مروی2، مرتضی زاهدی3
1دانشگاه صنعتی شاهرود- دانشکده مهندسی کامپیوتر و فناوری اطلاعات
2عضو هیات علمی دانشکده مهندسی برق- دانشگاه صنعتی شاهرود
3عضو هیات علمی دانشکده کامپیوتر
چکیده مقاله:
یکی از مسائل مطرح در تشخیص احساس از گفتار، انتخاب مجموعه ویژگی مناسب در ‌راستای بهبود نرخ تشخیص و دقت طبقه‌بند است. در تحقیقات مختلف با روش‌های انتخاب و کاهش فضای ویژگی مانند روش فیشر و PCA سعی شده تا مجموعه ویژگی مناسب جهت طبقه‌بندی انتخاب شود. در این تحقیق روشی مبتنی‌بر الگوریتم بهبود یافته‌ی ژنتیک پیشنهاد شده است که برای انتخاب مجموعه ویژگی بهینه از طبقه‌بند ماشین بردار پشتیبان و عملگر انتخاب راه‌حل بهینه‌ی الگوریتم جستجوی فاخته استفاده می‌کند. روش پیشنهادی به‌این صورت است که ابتدا مجموعه ویژگی‌های مبتنی‌بر ضرایب کپسترال، طیفی و فوریه از سیگنال گفتار استخراج شده و سپس با الگوریتم پیشنهادی ترکیب ژنتیک و جستجوی فاخته، عمل انتخاب مجموعه ویژگی بهینه انجام می‌شود. نتایج آزمایش‌ها روی مجموعه دادگان معروف گفتار احساسی برلین نشان داد که به‌کار بردن این روش انتخاب ویژگی پیشنهادی باعث افزایش دقت طبقه‌بند تا‌حدود ۹۳٪ می‌شود.
کلیدواژه ها:
تشخیص احساس، انتخاب ویژگی، الگوریتم جستجوی فاخته، الگوریتم ژنتیک
وضعیت : مقاله پذیرفته شده است