view in publisher's site

Emotion recognition using semi-supervised feature selection with speaker normalization

Feature selection methods are the mostly used dimensional reduction methods in speech emotion recognition. However, most methods cannot preserve the manifold of data and cannot use the information provided by unlabeled data, so that they cannot select a good sub feature set for speech emotion recognition. This paper presents a semi-supervised feature selection method that can preserve the manifold structure of data, preserve the category structure, and use the information provided by the unlabeled data. To further deal with the manifold of speech data influenced by factors such as emotion, speaker and sentence, a new speaker normalization method is also proposed, which can achieve a good speaker normalization result in the case of a small number of samples of a speaker available. This speaker normalization method can be used in most real application of speech emotion recognition. The conducted experiments validate the proposed semi-supervised feature selection method with the speaker normalization in terms of the effectiveness of the speech emotion recognition.

تشخیص احساس با استفاده از انتخاب ویژگی semi با نرمال سازی سخنگو

روش‌های انتخاب ویژگی متداول‌ترین روش‌های کاهش ابعاد در بازشناسی هیجان گفتار هستند. با این حال، بیشتر روش‌ها نمی‌توانند منیفولد داده‌ها را حفظ کنند و نمی‌توانند از اطلاعات ارایه‌شده توسط داده‌های بدون برچسب استفاده کنند، به طوری که آن‌ها نمی‌توانند یک مجموعه ویژگی فرعی خوب برای تشخیص احساسات گفتاری انتخاب کنند. این مقاله یک روش انتخابی انتخاب ویژگی را ارایه می‌کند که می‌تواند ساختار منیفولد داده‌ها را حفظ کند، ساختار گروه را حفظ کند، و از اطلاعات ارایه‌شده توسط داده‌های فاقد برچسب استفاده کند. برای مقابله بیشتر با منیفولد داده‌های گفتاری که تحت‌تاثیر عواملی چون احساسات، گوینده و جمله قرار می‌گیرند، یک روش نرمال سازی گویشور نیز پیشنهاد می‌شود، که می‌تواند منجر به نرمال سازی گوینده خوب در مورد تعداد کمی از نمونه‌هایی از یک گویشور در دسترس شود. این روش نرمال سازی گویشور می‌تواند در بیشتر کاربرد واقعی بازشناسی هیجان کلامی مورد استفاده قرار گیرد. آزمایش‌ها انجام‌شده، روش انتخاب ویژگی نیمه نظارت شده پیشنهادی را با نرمال سازی گویشور از نظر اثربخشی بازشناسی هیجان گفتار تایید می‌کنند.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.