Published August 18, 2018
| Version v1
Publication
Open
Reduced Feature Set for Emotion Based Spoken Utterances of Normal and Special Children Using Multivariate Analysis and Decision Trees
- 1. NED University of Engineering and Technology
Description
The current paper deals with the use of multivariate data analysis and decision tree methods in order to reduce the feature set for the normal and special children speech in four different emotions: anger, happiness, neutral and sadness. Ten features were extracted, by an algorithm implemented in a previous study to classify the speech emotions of normal and special children. In the current study, the best features are selected using multivariate analysis: principal component analysis (PCA), factor analysis and decision tree. Step by step PCA is applied to reduce the feature set according to the variables that are collinear. The obtained reduced feature sets are applicable to both normal and special children samples. Experimental results revealed that PCA yields the feature set comprising pitch, intensity, formant, LPCC and rate of acceleration. Factor analysis provides three feature sets out of which the feature set comprising of Rasta PLP, MFCC, ZCR, and intensity provides the best result. Decision tree yields a feature set comprising energy, pitch and LPCC.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تتناول الورقة الحالية استخدام تحليل البيانات متعددة المتغيرات وطرق شجرة القرار من أجل تقليل مجموعة الميزات لخطاب الأطفال العادي والمميز في أربعة مشاعر مختلفة: الغضب والسعادة والحياد والحزن. تم استخراج عشر سمات، من خلال خوارزمية تم تنفيذها في دراسة سابقة لتصنيف عواطف الكلام لدى الأطفال العاديين وذوي الاحتياجات الخاصة. في الدراسة الحالية، يتم اختيار أفضل الميزات باستخدام التحليل متعدد المتغيرات: تحليل المكونات الرئيسية (PCA) وتحليل العوامل وشجرة القرار. يتم تطبيق PCA خطوة بخطوة لتقليل مجموعة الميزات وفقًا للمتغيرات المتوازية. تنطبق مجموعات الميزات المخفضة التي تم الحصول عليها على كل من عينات الأطفال العادية والخاصة. كشفت النتائج التجريبية أن الأنيسول الخماسي الكلور ينتج مجموعة الميزات التي تشمل الملعب والشدة والصيغة و LPCC ومعدل التسارع. يوفر تحليل العوامل ثلاث مجموعات من الميزات التي توفر منها مجموعة الميزات التي تتكون من Rasta PLP و MFCC و ZCR و DENSITY أفضل نتيجة. ينتج عن شجرة القرار مجموعة ميزات تشتمل على الطاقة ودرجة الميل و LPCC.Translated Description (French)
Le présent article traite de l'utilisation de l'analyse de données multivariées et des méthodes d'arbre de décision afin de réduire l'ensemble des caractéristiques du discours normal et spécial des enfants dans quatre émotions différentes : la colère, le bonheur, le neutre et la tristesse. Dix caractéristiques ont été extraites, par un algorithme mis en œuvre dans une étude précédente pour classer les émotions de la parole des enfants normaux et spéciaux. Dans la présente étude, les meilleures caractéristiques sont sélectionnées à l'aide d'une analyse multivariée : analyse en composantes principales (ACP), analyse factorielle et arbre de décision. Le PCA est appliqué étape par étape pour réduire l'ensemble des fonctionnalités en fonction des variables qui sont colinéaires. Les ensembles de caractéristiques réduits obtenus sont applicables à la fois aux échantillons d'enfants normaux et spéciaux. Les résultats expérimentaux ont révélé que le PCA donne l'ensemble des caractéristiques comprenant la hauteur, l'intensité, le formant, le LPCC et le taux d'accélération. L'analyse factorielle fournit trois ensembles de fonctionnalités parmi lesquels l'ensemble de fonctionnalités comprenant Rasta PLP, MFCC, ZCR et Intensity fournit le meilleur résultat. L'arbre de décision donne un ensemble de caractéristiques comprenant l'énergie, le pitch et le LPCC.Translated Description (Spanish)
El presente trabajo trata sobre el uso de análisis de datos multivariados y métodos de árbol de decisión con el fin de reducir el conjunto de características para el habla normal y especial de los niños en cuatro emociones diferentes: ira, felicidad, neutralidad y tristeza. Se extrajeron diez características, mediante un algoritmo implementado en un estudio previo para clasificar las emociones del habla de niños normales y especiales. En el presente estudio, las mejores características se seleccionan mediante análisis multivariante: análisis de componentes principales (PCA), análisis factorial y árbol de decisión. Se aplica PCA paso a paso para reducir el conjunto de características de acuerdo con las variables que son colineales. Los conjuntos de características reducidas obtenidos son aplicables tanto a muestras normales como a muestras secundarias especiales. Los resultados experimentales revelaron que PCA produce el conjunto de características que comprende tono, intensidad, formante, LPCC y velocidad de aceleración. El análisis factorial proporciona tres conjuntos de características de los cuales el conjunto de características que comprende Rasta PLP, MFCC, ZCR e intensidad proporciona el mejor resultado. El árbol de decisiones produce un conjunto de características que comprende energía, tono y LPCC.Files
pdf.pdf
Files
(830.3 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:9ad4bd7c55734e04c1dd0463cce8c57b
|
830.3 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- مجموعة ميزات مخفضة للألفاظ المنطوقة القائمة على العاطفة للأطفال العاديين وذوي الاحتياجات الخاصة باستخدام التحليل متعدد المتغيرات وأشجار القرار
- Translated title (French)
- Ensemble de fonctionnalités réduit pour les énoncés parlés basés sur les émotions des enfants normaux et spéciaux utilisant des arbres d'analyse et de décision multivariés
- Translated title (Spanish)
- Conjunto de características reducido para declaraciones habladas basadas en emociones de niños normales y especiales utilizando análisis multivariante y árboles de decisión
Identifiers
- Other
- https://openalex.org/W2889623577
- DOI
- 10.48084/etasr.2177
References
- https://openalex.org/W120054989
- https://openalex.org/W1576079953
- https://openalex.org/W1927455312
- https://openalex.org/W2080352103
- https://openalex.org/W2228614826
- https://openalex.org/W2267301709
- https://openalex.org/W2539228779
- https://openalex.org/W2615893117
- https://openalex.org/W309418507
- https://openalex.org/W4241847041