Binary classification HMM In this e

Binary classification HMM
In this experiment we used the utterances from Thai drama corpus without emotional segmentation to train sixteen-state and two-Gaussian mixtures HMMs for binary classification as mentioned in section III. Then we tested these four classes of HMMs with two data sets from Thai drama corpus and non-professional voice actor. Assumedly, the first test data set is represented for
speaker dependent evaluation and another set is provided for speaker independent evaluation. The results of this binary classification are shown in Table 6. The accuracy of emotional classification can be improved by nearly 2.50% comparing with the baseline system. The accuracy of this classification dropped to 22% when testing in speaker independent.

ผลลัพธ์ (ไทย) 1:

การจัดประเภทไบนารี HMM ในการทดลองนี้ เราใช้ utterances จากคอร์ปัสละครโดยไม่แบ่งอารมณ์การฝึกผสมสิบหกรัฐ และสองนที่ HMMs การจัดไบนารีดังกล่าวในส่วนที่สาม จากนั้น เราได้ทดสอบเหล่านี้สี่ชั้นของ HMMs กับชุดข้อมูลสองชุดจากคอร์ปัสละครและนักแสดงมืออาชีพไม่ใช่เสียง Assumedly แสดงชุดข้อมูลทดสอบแรกสำหรับ การประเมินขึ้นอยู่กับลำโพงและชุดให้ไว้สำหรับการประเมินอิสระลำโพง ผลลัพธ์ของประเภทนี้ไบนารีที่แสดงในตาราง 6 สามารถปรับปรุงความแม่นยำของการจำแนกอารมณ์เกือบ 2.50% เปรียบเทียบกับระบบพื้นฐาน ความถูกต้องของประเภทนี้ลดลงถึง 22% เมื่อทดสอบลำโพงอิสระใน

ผลลัพธ์ (ไทย) 2:

อืมจำแนกไบนารี
ในการทดลองนี้เราใช้คำพูดจากคลังละครไทยโดยไม่มีการแบ่งส่วนทางอารมณ์ในการฝึกอบรมสิบหกรัฐและสองเสียนผสม HMMs สำหรับการจำแนกประเภทไบนารีเป็นที่กล่าวถึงในส่วนที่สาม จากนั้นเราทดสอบเหล่านี้สี่ชั้นของ HMMs สองชุดข้อมูลจากคลังละครไทยและนักแสดงเสียงที่ไม่ใช่มืออาชีพ assumedly ชุดข้อมูลทดสอบครั้งแรกเป็นตัวแทนสำหรับ
ลำโพงประเมินผลและขึ้นอยู่กับอีกชุดหนึ่งที่มีให้สำหรับลำโพงประเมินอิสระ ผลของการจำแนกไบนารีนี้จะแสดงในตารางที่ 6 ความถูกต้องของการจำแนกทางอารมณ์ได้ดีขึ้นโดยเกือบ 2.50% เมื่อเทียบกับระบบพื้นฐาน ความถูกต้องของการจำแนกประเภทนี้ลดลงถึง 22% เมื่อการทดสอบลำโพงอิสระ

ผลลัพธ์ (ไทย) 3:

หมวดหมู่ - ไบนารีในการทดลองนี้เราใช้คำพูดจากละครของไทยข้อมูลโดยไม่ต้องอารมณ์การรถไฟรัฐสิบหก และ 2 ) ผสม hmms ประเภทไบนารี ตามที่กล่าวไว้ในมาตรา 3 จากนั้นเราทดสอบเหล่านี้สี่ประเภทของ hmms กับสองชุดข้อมูลจากคลังข้อมูลเสียงมืออาชีพไม่ใช่ละครไทยและนักแสดง assumedly แรกข้อมูลทดสอบชุดจะแสดงสำหรับลำโพงขึ้นอยู่กับการประเมินผลและอีกชุดไว้สำหรับลำโพงอิสระประเมินผล ผลการจำแนกไบนารีนี้จะแสดงในตารางที่ 6 ความถูกต้องของการจำแนกทางอารมณ์จะดีขึ้นเกือบ 2.50 % เมื่อเทียบกับระบบพื้นฐาน ความถูกต้องของการจำแนกนี้ลดลงถึง 22% เมื่อทดสอบในลำโพงที่เป็นอิสระ