Reconnaissance des émotions musicales - Les caractéristiques combinées - Nalini, N. J.;Palanivel, S.
29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
15 °P sammeln
  • Broschiertes Buch

La reconnaissance des émotions musicales (MER) joue un rôle important dans l'interaction entre l'homme et la machine et dans les loisirs numériques. Les émotions véhiculées par un morceau de musique donné constituent une tâche difficile qui a fait l'objet d'une attention considérable dans le cadre de la recherche d'informations musicales. De nombreux efforts ont été déployés pour la reconnaissance des émotions musicales. Parmi les caractéristiques habituelles utilisées dans le MER, on recherche de nouvelles caractéristiques pour reconnaître les émotions musicales. La caractéristique de phase…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
La reconnaissance des émotions musicales (MER) joue un rôle important dans l'interaction entre l'homme et la machine et dans les loisirs numériques. Les émotions véhiculées par un morceau de musique donné constituent une tâche difficile qui a fait l'objet d'une attention considérable dans le cadre de la recherche d'informations musicales. De nombreux efforts ont été déployés pour la reconnaissance des émotions musicales. Parmi les caractéristiques habituelles utilisées dans le MER, on recherche de nouvelles caractéristiques pour reconnaître les émotions musicales. La caractéristique de phase résiduelle est une caractéristique de source d'excitation utilisée dans ce travail pour exploiter les informations spécifiques à l'émotion présentes dans le signal musical. Dans ce travail, MER classe les émotions en cinq catégories : la colère, la peur, la joie, la neutralité et la tristesse. L'extraction et la classification des caractéristiques jouent un rôle important dans le MER, de telle sorte qu'elles représentent bien la musique et que le calcul puisse être effectué efficacement. Le MFCC est une caractéristique de timbre bien connue, combinée à des caractéristiques résiduelles, qui sont utilisées avec des techniques de classification de modèles telles que le réseau neuronal auto-associatif, la machine à vecteur de support et le réseau neuronal à fonction de base radiale. Les performances de la méthode ont été mesurées à l'aide d'un taux d'erreur égal et d'un taux de reconnaissance
Autorenporträt
N. J. Nalini a obtenu son doctorat en informatique et ingénierie à l'université d'Annamalai en 2015. Elle a travaillé comme professeur au département d'informatique et d'ingénierie de l'université d'Annamalai, Tamilnadu, Inde, à partir de 2000. Domaines d'intérêt : traitement de la parole, classification des formes, réseaux neuronaux.