Share
Comparison of different features sets and classifiers for emotion recognition of speech: Vergleich von verschiedenen Merkmalssätzen und Klassifizierer
Tobias Gruber
(Author)
·
Grin Verlag
· Paperback
Comparison of different features sets and classifiers for emotion recognition of speech: Vergleich von verschiedenen Merkmalssätzen und Klassifizierer - Gruber, Tobias
Choose the list to add your product or create one New List
✓ Product added successfully to the Wishlist.
Go to My Wishlists
Origin: U.S.A.
(Import costs included in the price)
It will be shipped from our warehouse between
Tuesday, July 02 and
Thursday, July 18.
You will receive it anywhere in United Kingdom between 1 and 3 business days after shipment.
Synopsis "Comparison of different features sets and classifiers for emotion recognition of speech: Vergleich von verschiedenen Merkmalssätzen und Klassifizierer"
Bachelor Thesis from the year 2014 in the subject Electrotechnology, grade: 1,0, University of Stuttgart (Institut für Signalverarbeitung und Systemtheorie), course: Elektrotechnik und Informationstechnik, language: English, abstract: This thesis deals with emotion recognition from speech signals using several feature sets and classifiers. Feature sets with different sizes are compared: the feature set of the Institute for Signal Processing and System Theory as well as standardised feature sets of eight paralinguistic challenges. The question is whether there is a connection between the size of a feature set and the performance. The feature sets are investigated with SFFS and without in combination with Naive Bayes classifier, k-Nearest-Neighbour classifier and Support Vector Machine. The goal of this thesis is to find those features which are selected most commonly for good performance. Diese Arbeit befasst sich mit der Erkennung von Emotionen aus Sprachsignalen. Es werden verschiedene Merkmalsätze und Klassifizierer auf ihre Leistungsfähigkeit getestet. Dabei werden Merkmalsätze mit unterschiedlichen Grö en verglichen: der Merkmalsatz vom Institut für Signalverarbeitung und Systemtheorie sowie standardisierte Merkmalsätze von acht Wettbewerben, in denen paralinguistische Informationen erkannt werden sollten. Die Frage ist, ob es einen Zusammenhang zwischen der Grö e eines Merkmalsatzes und der Leistungsfähigkeit gibt. Die Merkmalsätze werden sowie mit auch als ohne Merkmalsauswahl (SFFS) in Kombination mit dem Naiven Bayes Klassifizierer, k-Nächste-Nachbarn Klassifizierer und einer Support Vector Machine untersucht. Das Ziel dieser Arbeit ist, die Merkmale zu finden, die bei den besten Merkmalsätzen am häufigsten ausgewählt wurden.
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
- 0% (0)
All books in our catalog are Original.
The book is written in English.
The binding of this edition is Paperback.
✓ Producto agregado correctamente al carro, Ir a Pagar.