دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Koteswara Rao Anne, Swarna Kuchibhotla, Hima Deepthi Vankayalapati سری: Springer Briefs in Electrical and Computer Engineering: Speech Technology ISBN (شابک) : 9783319155296, 9783319155302 ناشر: Springer سال نشر: 2015 تعداد صفحات: 72 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
کلمات کلیدی مربوط به کتاب مدل سازی آکوستیک برای تشخیص احساسات: آکوستیک، زبان شناسی محاسباتی، علوم کامپیوتر
در صورت تبدیل فایل کتاب Acoustic Modeling for Emotion Recognition به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدل سازی آکوستیک برای تشخیص احساسات نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب به ارائه تحقیقات هنری در تشخیص احساسات گفتار می پردازد. ابتدا تحقیقات و کاربردهای اساسی به خوانندگان ارائه می شود - به تدریج اطلاعات پیشرفته تری ارائه می شود که به خوانندگان راهنمایی جامع برای طبقه بندی احساسات از طریق گفتار می دهد. پایگاه داده های شبیه سازی شده استفاده می شوند و نتایج به طور گسترده با ویژگی ها و الگوریتم های پیاده سازی شده با استفاده از MATLAB مقایسه می شوند. مدلهای مختلف تشخیص احساسات مانند آنالیز تشخیص خطی (LDA)، تحلیل متمایز منظم (RDA)، ماشینهای بردار پشتیبان (SVM) و نزدیکترین همسایه K (KNN) و با استفاده از ویژگیهای عروضی و طیفی و تکنیکهای همجوشی ویژگی به تفصیل بررسی میشوند.
This book presents state of art research in speech emotion recognition. Readers are first presented with basic research and applications - gradually more advance information is provided, giving readers comprehensive guidance for classify emotions through speech. Simulated databases are used and results extensively compared, with the features and the algorithms implemented using MATLAB. Various emotion recognition models like Linear Discriminant Analysis (LDA), Regularized Discriminant Analysis (RDA), Support Vector Machines (SVM) and K-Nearest neighbor (KNN) and are explored in detail using prosody and spectral features, and feature fusion techniques.
Front Matter....Pages i-vii
Introduction....Pages 1-6
Emotion Recognition Using Prosodic Features....Pages 7-15
Emotion Recognition Using Spectral Features....Pages 17-26
Feature Fusion Techniques....Pages 27-32
Emotional Speech Corpora....Pages 33-35
Classification Models....Pages 37-54
Comparative Analysis of Classifiers in Emotion Recognition....Pages 55-60
Summary and Conclusions....Pages 61-62
Back Matter....Pages 63-66