การหาค่าจำนวนคุณสมบัติของเอ็มเอฟซีซีที่เหมาะสมสำหรับการจำแนกประเภทเสียงร้องของเด็กเล็ก

เด็กเล็กเรียกร้องความสนใจผ่านการร้องไห้ ซึ่งการร้องไห้อาจมาจากหลากหลายสาเหตุ (เช่น เรียกร้องความสนใจ หิว ต้องการเปลี่ยนผ้าอ้อม) เสียงร้องไห้ของเด็กเล็กแต่ละครั้งมีลักษณะ รูปแบบของการร้องที่ดูคล้ายกันและเป็นการยากสำหรับบุคคลที่ไม่คุ้นชิน ที่จะสามารถแยกได้ว่าที่เด็ก ร้องไห้แต่ละครั้งนั้นต้องการสิ่งใด โดยงานวิจัยนี้ได้นำจำนวนของสัมประสิทธิ์เซปตรัมบนสเกลเมล (Mel Frequency Cepstral Coefficients : MFCC) มาใช้เปรียบเทียบเพื่อเลือกค่าที่เหมาะสมที่สุด สำหรับการจัดกลุ่มความหมายของเสียงร้องไห้ โดยได้เลือกใช้โมเดลในการจัดกลุ่มที่เข้าใจง่ายรวมถึง เป็นที่รู้จัก ได้แก่ ต้นไม้ตัดสินใจ (Decision Tree) นาอีฟเบย์ส (Naive Bayes) และ ซัพพอร์ต เวกเตอร์แมชชีน (Support Vector Machine) เพื่อใช้จำแนกเสียงร้องไห้ของเด็กเล็ก จากการทดลอง พบว่า ซัพพอร์ตเวกเตอร์แมชชีนมีประสิทธิภาพมากที่สุดโดยวัดจากค่าของ Accuracy และ F1-score (*100) โดยมีคะแนนคือ ร้อยละ 70 และร้อยละ 71 ตามลำดับ โดยจำนวนคุณสมบัติที่ได้ผลลัพธ์ดี ที่สุดคือจำนวน 11 คุณสมบัติซึ่งจากผลการทดลองที่ได้ทำให้สามารถสรุปได้ว่า MCFF:11 เป็น จำนวนคุณสมบัติที่เหมาะสมที่สุด