dc.contributor.author | Popova, Agnija | |
dc.date.accessioned | 2023-09-18T09:06:44Z | |
dc.date.available | 2023-09-18T09:06:44Z | |
dc.identifier.uri | https://etalpykla.vilniustech.lt/handle/123456789/110271 | |
dc.description.abstract | Magistro baigiamasis darbas informatikos inžinerijos laipsniui. Vilniaus Gedimino technikos universitetas. Vilnius, 2017, 70 p., 12 iliustr., 11 lent., 39 bibl., 2 priedų. Baigiamajame magistro darbe siekiama ištirti emocingos šnekos akustinių požymių atrankos metodus, pasiūlyti sprendimus požymių daugiamatiškumui sumažinti. Dėl didelio emocingos šnekos signalo charakteristikų skaičiaus emocijų klasifikavimo patikimumas būna žemas, todėl verta mažinti analizuojamų požymių rinkinį. Šiam tikslui pasiekti naudojami įvairūs požymių atrankos metodai. Baigiamajame darbe požymių atrankai pritaikyti aplanko tipo metodai. Eksperimentiškai ištirti 5 požymių rinkiniai: pilna požymių aibė ir 4 suformuoti, naudojant aplanko metodo atrankos algoritmus. Geriausiai klasifikavimo rezultatai gauti naudojant nuoseklios paieškos algoritmus – didžiausias klasifikavimo tikslumas pasiektas naudojant mažiausius požymių rinkinius. | lit |
dc.description.abstract | Master's thesis informatics engineering degree. Vilnius Gediminas Technical University. Vilnius, 2017, 70 p., 12 pic., 11 tables, 39 references, 2 additives The master thesis aims are to explore the application of feature selection techniques for emotional speech classification and to offer solutions for feature dimensionality reduction. High dimensionality of the features sets can result in low accuracy classification of the speech emotions, therefore the feature sets should be reduced. Various feature selection techniques are used for this purpose. The feature wrapping selection techniques were analyzed in this work. An experimental study of 5 different feature sets were performed: a full feature set and 4 wrapping selection based sets were employed for speech emotion classification task. The best results were obtained by using sequential selection algorithms: the highest classification accuracy was achieved by using lowest order feature set. | eng |
dc.format | PDF | |
dc.format.extent | 65 p. | |
dc.format.medium | tekstas / txt | |
dc.language.iso | lit | |
dc.rights | Laisvai prieinamas internete | |
dc.source.uri | https://talpykla.elaba.lt/elaba-fedora/objects/elaba:22885146/datastreams/ATTACHMENT_22885247/content | |
dc.source.uri | https://talpykla.elaba.lt/elaba-fedora/objects/elaba:22885146/datastreams/MAIN/content | |
dc.title | Požymių atranka šnekos emocijoms klasifikuoti | |
dc.title.alternative | Features selection for classification of speech emotions | |
dc.type | Magistro darbas / Master thesis | |
dcterms.references | 0 | |
dc.type.pubtype | ETD_MGR - Magistro darbas / Master thesis | |
dc.contributor.institution | Vilniaus Gedimino technikos universitetas | |
dc.subject.researchfield | T 007 - Informatikos inžinerija / Informatics engineering | |
dc.subject.lt | emocinga šneka | |
dc.subject.lt | požymių atranka | |
dc.subject.lt | aplanko metodas | |
dc.subject.en | speech emotion | |
dc.subject.en | feature selection | |
dc.subject.en | wrapper methods | |
dc.identifier.elaba | 22885146 | |