|
|
Akustická analýza emočně zabarvených vět u pacientů s Parkinsonovou nemocí
Gavlasová, Radka ; Kováč, Daniel (oponent) ; Mekyska, Jiří (vedoucí práce)
Tato diplomová práce se zaměřuje na Parkinsonovu nemoc a její vliv na emoční projev v řeči. Cílem bylo provést rešerši literatury o akustické emoční analýze pacientů s PN a implementovat akustické parametry pro rozlišení zdravých a nemocných jedinců. Použitá databáze obsahovala nahrávky 100 pacientů s PN a 52 zdravých kontrol pro různé řečové úlohy. Pro tuto analýzu bylo vybráno 7 emočně zabarvených vět a 11 akustických parametrů, které byly implementovány v Pythonu. Ze statistické analýzy bylo zjištěno, že mezi nejvýznamnější parametry patří pauzy v řeči a variabilita intenzity. Pro klasifikaci byl použit algoritmus XGBoost s 10-násobnou stratifikovanou křížovou validací. Bylo implementováno celkem 10 modelů, které analyzovaly všechny úlohy dohromady i každou zvlášť. Optimalizace probíhala pomocí randomized search. Pro kombinaci všech úloh byla signifikantním parametrem variabilita intenzity, příp. tempo řeči. U jednotlivých řečových úloh se velmi projevovala variabilita intonace a formantových oblastí. Nejlepší model dosáhl 63% úspěšnosti (BACC) a 85% senzitivity. Výsledky naznačují, že emoční prozodie ovlivňuje klasifikaci, potvrzuje dosavadní poznatky a poukazuje na potřebu dalšího zkoumání v této oblasti.
|
|
|
Vztah emocí a intonačních křivek
Gavlasová, Radka ; Smékal, Zdeněk (oponent) ; Tučková,, Jana (vedoucí práce)
Tato práce se zabývá intonačními křivkami s jejími vztahy pro různé emoce. Kromě teoretického základu, který pojednává o tvorbě řeči, zpracování signálů a psychologického nastínění rozdělení emocí, obsahuje také tvorbu vlastní emotivní databáze realizované s profesionálními herci. Cílem této závěrečné práce je klasifikace signálu na základě emoce, kterou nahrávka má představovat. Těmito emocemi jsou hněv, radost, nuda a smutek. Klasifikace probíhala pomocí umělých neuronových sítí, konkrétně v aplikaci Classification Learner, kterou poskytuje programovací prostředí Matlab. Použité příznaky pro tuto metodu byly variace fundamentální frekvence a MFCC. Výsledky byly následně porovnány a zanalyzovány poslechovým testem. Tento test pomohl určit, zda jsou výsledky relevantní pro tuto problematiku. Maximální úspěšnost trénování sítě dosáhla přibližně 82 %, testování pak 75 %. Poslechové testy potvrdily, že výsledky odpovídají předpokládanému lidskému vnímání. Pro podrobnější a lepší vyhodnocení, by bylo zapotřebí větší a kvalitnější databáze.
|
|
|
Vztah emocí a intonačních křivek
Gavlasová, Radka ; Smékal, Zdeněk (oponent) ; Tučková,, Jana (vedoucí práce)
Tato práce se zabývá intonačními křivkami s jejími vztahy pro různé emoce. Kromě teoretického základu, který pojednává o tvorbě řeči, zpracování signálů a psychologického nastínění rozdělení emocí, obsahuje také tvorbu vlastní emotivní databáze realizované s profesionálními herci. Cílem této závěrečné práce je klasifikace signálu na základě emoce, kterou nahrávka má představovat. Těmito emocemi jsou hněv, radost, nuda a smutek. Klasifikace probíhala pomocí umělých neuronových sítí, konkrétně v aplikaci Classification Learner, kterou poskytuje programovací prostředí Matlab. Použité příznaky pro tuto metodu byly variace fundamentální frekvence a MFCC. Výsledky byly následně porovnány a zanalyzovány poslechovým testem. Tento test pomohl určit, zda jsou výsledky relevantní pro tuto problematiku. Maximální úspěšnost trénování sítě dosáhla přibližně 82 %, testování pak 75 %. Poslechové testy potvrdily, že výsledky odpovídají předpokládanému lidskému vnímání. Pro podrobnější a lepší vyhodnocení, by bylo zapotřebí větší a kvalitnější databáze.
|
host ::
RSS.