| 1 |
1
수신된 트레이닝 음성 신호에서 잡음을 제거하는 전처리부;상기 잡음이 제거된 트레이닝 음성 신호에서 특징 벡터를 추출하는 특징 추출부; 및상기 추출된 특징 벡터를 특징 비트 및 클래스 비트로 구분하고, 상기 클래스 비트를 구성하는 하나 이상의 비트 중에서 유전자 알고리즘(Genetic Algorithm)을 통해 선택되지 않은 비트를 왼쪽 그룹으로 구분하고, 선택된 비트를 오른쪽 그룹으로 구분하여 솔루션을 생성하고, 서포트 벡터 머신(Support Vector Machine)을 사용하여 상기 솔루션을 평가하여 2진 분류 트리(Bianary Classification Tree)를 생성하는 분류 처리부;를 포함하며,상기 분류 처리부는,를 통해 상기 생성된 솔류션을 평가하여 정확도를 산출하며, 상기 TP는 트루 포지티브(True Positive)를 나타내고, 상기 TN은 트루 네거티브(True Negative)를 나타내며,를 통해 적합성 함수 산출하여 솔루션을 평가하는 것을 특징으로 하는 음성 인식을 위한 감성 분류 장치
|
| 2 |
2
제 1항에 있어서,상기 분류 처리부는,오분류 확률(Misclassification Rate)를 사용하여 상기 생성된 솔루션의 평가하여 정확도를 산출하고, 상기 산출된 정확도에 k-폴드 교차 타당화(k-fold Cross Validation)를 적용하여 적합성 함수를 산출하여 상기 솔루션을 평가하여 상기 2진 분류 트리를 생성하는 것을 특징으로 하는 음성 인식을 위한 감성 분류 장치
|
| 3 |
3
삭제
|
| 4 |
4
제 1항에 있어서,상기 클래스 비트를 구성하는 하나 이상의 비트 각각은 서로 다른 감성 상태를 나타내는 것을 특징으로 하는 음성 인식을 위한 감성 분류 장치
|
| 5 |
5
수신된 트레이닝 음성 신호의 잡음을 제거하는 단계;잡음이 제거된 상기 트레이닝 음성 신호에서 특징 벡터를 추출하는 단계;상기 특징 벡터에 포함된 클래스 비트를 구성하는 하나 이상의 비트 중에서 유전자 알고리즘(Genetic Algorithm)을 통해 선택되지 않은 비트를 왼쪽 그룹으로 구분하고, 선택된 비트를 오른쪽 그룹으로 구분하여 솔루션을 생성하는 단계; 및서포트 벡터 머신(Support Vector Machine)을 사용하여 상기 솔루션을 평가하여 2진 분류 트리(Bianary Classification Tree)를 생성하는 단계;를 포함하며,상기 2진 분류 트리(Binary Classification Tree)를 생성하는 단계는,를 통해 상기 생성된 솔루션을 평가하여 정확도를 산출하며, 상기 TP는 트루 포지티브(True Positive)를 나타내고, 상기 TN은 트루 네거티브(True Negative)를 나타내며,를 통해 적합성 함수를 산출하여 솔루션을 평가는 것을 특징으로 하는 음성 인식을 위한 감성 분류 방법
|
| 6 |
6
제 5항에 있어서,서포트 벡터 머신(Support Vector Machine)을 사용하여 상기 솔루션을 평가하여 2진 분류 트리(Bianary Classification Tree)를 생성하는 단계는,오분류 확률(Misclassification Rate)를 사용하여 상기 생성된 솔루션의 평가하여 정확도를 산출하고, 상기 산출된 정확도에 k-폴드 교차 타당화(k-fold Cross Validation)를 적용하여 적합성 함수를 산출하여 상기 솔루션을 평가하여 상기 2진 분류 트리를 생성하는 것을 특징으로 하는 음성 인식을 위한 감성 분류 방법
|
| 7 |
7
삭제
|
| 8 |
8
제 5항에 있어서,상기 클래스 비트를 구성하는 하나 이상의 비트 각각은 서로 다른 감성 상태를 나타내는 것을 특징으로 하는 음성 인식을 위한 감성 분류 방법
|
