La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Locality Preserved Joint Nonnegative Matrix Factorization for Speech Emotion Recognition Factorisation matricielle non négative conjointe à localité préservée pour la reconnaissance des émotions vocales

Seksan MATHULAPRANGSAN, Yuan-Shan LEE, Jia-Ching WANG

  • Vues en texte intégral

    0

  • Citer

Résumé:

Cette étude présente une approche d'apprentissage de dictionnaire conjoint pour la reconnaissance des émotions vocales appelée factorisation matricielle non négative conjointe à localité préservée (LP-JNMF). Les représentations apprises sont partagées entre les dictionnaires appris et la matrice d'annotation. De plus, un terme de pénalité de localité est incorporé dans la fonction objectif. Ainsi, la discriminabilité du système est encore améliorée.

Publication
IEICE TRANSACTIONS on Information Vol.E102-D No.4 pp.821-825
Date de publication
2019/04/01
Publicisé
2019/01/28
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2018DAL0002
Type de manuscrit
Special Section LETTER (Special Section on Data Engineering and Information Management)
Catégories

Auteurs

Seksan MATHULAPRANGSAN
  National Central University
Yuan-Shan LEE
  National Central University
Jia-Ching WANG
  National Central University,Pervasive Artificial Intelligence Research (PAIR) Labs

Mots-clés

Table des matières