Name: Comparison of different features sets and classifiers for emotion recognition of speech: Vergleich von verschiedenen Merkmalssätzen und Klassifizierer (en Inglés)
Price: 79028.00 ARS
Availability: InStock
Author: Gruber, Tobias
ISBN: 9783656972280

portada Comparison of different features sets and classifiers for emotion recognition of speech: Vergleich von verschiedenen Merkmalssätzen und Klassifizierer (en Inglés)

Formato

Libro Físico

Autor

Tobias Gruber

Editorial

Grin Verlag

Idioma

Inglés

N° páginas

108

Encuadernación

Tapa Blanda

Dimensiones

21.0 x 14.8 x 0.7 cm

Peso

0.15 kg.

ISBN13

9783656972280

Categorías

Destrezas y oficios de la electricidad

Comparison of different features sets and classifiers for emotion recognition of speech: Vergleich von verschiedenen Merkmalssätzen und Klassifizierer (en Inglés)

Tobias Gruber (Autor) · Grin Verlag · Tapa Blanda

Libro Nuevo

$ 79.028

$ 131.713

Ahorras: $ 52.685

40% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Martes 25 de Junio y el Martes 09 de Julio.

Lo recibirás en cualquier lugar de Argentina entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Comparison of different features sets and classifiers for emotion recognition of speech: Vergleich von verschiedenen Merkmalssätzen und Klassifizierer (en Inglés)"

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.