Andere Kunden interessierten sich auch für
![Support vectoriel basé sur une machine Reconnaissance des émotions vocales]( "Support vectoriel basé sur une machine Reconnaissance des émotions vocales")
Support vectoriel basé sur une machine Reconnaissance des émotions vocales39,99 €![Mashinnyj podhod opornyh wektorow Raspoznawanie rechewyh ämocij]( "Mashinnyj podhod opornyh wektorow Raspoznawanie rechewyh ämocij")
Mashinnyj podhod opornyh wektorow Raspoznawanie rechewyh ämocij39,99 €![Unterstützt Vector Machine Based Erkennung von Sprachgefühlen]( "Unterstützt Vector Machine Based Erkennung von Sprachgefühlen")
Unterstützt Vector Machine Based Erkennung von Sprachgefühlen60,90 €![Supporto basato su macchina vettoriale Riconoscimento delle emozioni vocali]( "Supporto basato su macchina vettoriale Riconoscimento delle emozioni vocali")
Supporto basato su macchina vettoriale Riconoscimento delle emozioni vocali39,99 €![Support Vector Machine Based Speech Emotion Recognition]( "Support Vector Machine Based Speech Emotion Recognition")
Support Vector Machine Based Speech Emotion Recognition39,99 €![Reconhecimento baseado em gestos: Teoria e Aplicações]( "Reconhecimento baseado em gestos: Teoria e Aplicações")
Reconhecimento baseado em gestos: Teoria e Aplicações29,99 €![Recuperação de Imagem Baseada em Conteúdo Usando Máquina Vectorial de Apoio (SVM)]( "Recuperação de Imagem Baseada em Conteúdo Usando Máquina Vectorial de Apoio (SVM)")
Recuperação de Imagem Baseada em Conteúdo Usando Máquina Vectorial de Apoio (SVM)26,99 €
Os resultados obtidos neste sistema utilizando MFCC+LPCC com SVM são louváveis. A taxa de reconhecimento do sistema é de 81,2% para o IITKGP-SESC, 78,6% para o EmodB e 70% para a base de dados gravada em tempo real. Os MFCCs e LPCCs correspondentes a cada enunciado de cada emoção dos bancos de dados foram computados e sua fusão é usada para extração de características juntamente com seus coeficientes delta e delta duplo. Esses recursos extraídos dos arquivos de treinamento são treinados para o modelo SVM. Posteriormente, os recursos dos arquivos de teste são fornecidos como entrada para o classificador SVM para previsão. Em seguida, a classificação das amostras de teste é feita e a porcentagem de emoções correspondentes e incompatíveis é calculada usando a matriz de confusão. O desempenho do banco de dados gravado em tempo real é limitado por fatores externos que afetam as declarações do locutor, como ruído no sinal e ambiente onde a gravação é realizada. O desempenho pode ser aumentado usando dispositivos de áudio de alta qualidade em ambientes sem ruído. Além disso, um grande número de amostras de treinamento aumenta o desempenho. Para concluir, pode-se afirmar com firmeza que, apesar de certas limitações, este sistema proporciona uma eficiência e precisão apreciáveis.