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 €![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 €![Baseado em máquina de vetores de suporte Reconhecimento de emoções de fala]( "Baseado em máquina de vetores de suporte Reconhecimento de emoções de fala")
Baseado em máquina de vetores de suporte Reconhecimento de emoções de fala39,99 €![Support Vector Machine Based Speech Emotion Recognition]( "Support Vector Machine Based Speech Emotion Recognition")
Support Vector Machine Based Speech Emotion Recognition39,99 €![Obnaruzhenie malqrijnogo parazita Na izobrazheniqh mazkow krowi: Biomedicinskij podhod]( "Obnaruzhenie malqrijnogo parazita Na izobrazheniqh mazkow krowi: Biomedicinskij podhod")
Obnaruzhenie malqrijnogo parazita Na izobrazheniqh mazkow krowi: Biomedicinskij podhod13,99 €![Obnaruzhenie i raspoznawanie lic w real'nom wremeni]( "Obnaruzhenie i raspoznawanie lic w real'nom wremeni")
Obnaruzhenie i raspoznawanie lic w real'nom wremeni29,99 €
Rezul'taty, poluchennye w ätoj sisteme s ispol'zowaniem MFCC+LPCC s SVM, zasluzhiwaüt wysokoj ocenki. Urowen' raspoznawaniq sistemy sostawlqet 81,2% dlq IITKGP-SESC, 78,6% dlq EmodB i 70% dlq bazy dannyh, zapisannoj w real'nom wremeni. MFCC i LPCC, sootwetstwuüschie kazhdomu proizneseniü kazhdoj ämocii w bazah dannyh, byli wychisleny, i ih ob#edinenie ispol'zuetsq dlq izwlecheniq priznakow wmeste s ih koäfficientami del'ta i dwojnaq del'ta. Jeti izwlechennye funkcii obuchaüschih fajlow obuchaütsq modeli SVM. Pozzhe harakteristiki testowyh fajlow peredaütsq w kachestwe whodnyh dannyh w klassifikator SVM dlq prognozirowaniq. Zatem prowoditsq klassifikaciq testowyh obrazcow i rasschitywaetsq procent kak sowpadaüschih, tak i nesowpadaüschih ämocij s ispol'zowaniem matricy putanicy. Proizwoditel'nost' bazy dannyh, zapisannoj w real'nom wremeni, ogranichena wneshnimi faktorami, wliqüschimi na wyskazywaniq goworqschego, takimi kak shum w signale i sreda, w kotoroj osuschestwlqetsq zapis'. Proizwoditel'nost' mozhno powysit' za schet ispol'zowaniq wysokokachestwennyh audioustrojstw w uslowiqh otsutstwiq shuma. Krome togo, bol'shoe kolichestwo obuchaüschih wyborok powyshaet proizwoditel'nost'. V zaklüchenie mozhno twerdo zaqwit', chto, nesmotrq na opredelennye ogranicheniq, dannaq sistema obespechiwaet zametnuü äffektiwnost' i tochnost'.