Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/52611
Title: Распознавание эмоций с использованием кепстрального представления речевого сигнала и метода опорных векторов
Other Titles: Recognition of emotions using the cepstral representation of a speech signal and the support vector machine
Authors: Краснопрошин, Д. В.
Keywords: материалы конференций;метод опорных векторов;машинное обучение;цифровая обработка сигналов
Issue Date: 2023
Publisher: БГУИР
Citation: Краснопрошин, Д. В. Распознавание эмоций с использованием кепстрального представления речевого сигнала и метода опорных векторов = Recognition of emotions using the cepstral representation of a speech signal and the support vector machine / Д. В. Краснопрошин // Компьютерные системы и сети : сборник статей 59-й научной конференции аспирантов, магистрантов и студентов, Минск, 17–21 апреля 2023 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2023. – С. 87–89.
Abstract: Экспериментально исследуется возможность применения метода опорных векторов (МОВ) для классификации эмоций в человеческой речи. Представлен вариант реализации классификатора (на основе МОВ) с использованием линейной ядерной функции. Показано, что полученная модель позволяет определять эмоции с точностью до 85%.
Alternative abstract: The possibility of using the support vector machine (SVM) for the classification of emotions in human speech is experimentally studied. A variant of the implementation of the classifier (based on SVM) using a linear kernel function is presented. It is shown that the resulting model allows you to classify emotions with an accuracy of up to 85%.
URI: https://libeldoc.bsuir.by/handle/123456789/52611
Appears in Collections:Компьютерные системы и сети : материалы 59-й научной конференции аспирантов, магистрантов и студентов : сборник статей (2023)

Files in This Item:
File Description SizeFormat 
Krasnoproshin_Raspoznavanie.pdf497.21 kBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.