مروری بر تشخیص احساسات از گفتار:استخراج ویژگی،دیتاست ها،دسته بنذی و نتایج

امروزه یکی از مهم ترین حوزه های تحقیقاتی علوم هوش مصنوعی و پردازش سیگنال، تشخیص احساسات از سیگنال گفتار SER است.از جمله کاربردهای این روش می توان به تعامل انسانی کامپیوتر HCI تشخیصات روانشناسی، واقعیت مجازی AR، تشخیص دروغ، یادگیری محیط، نرم افزارهای آموزشی، لوازم هوشمند و تشخیص احساسات در مراکز پاسخگویی تلفنی برای فراهم آوردن بازخورد تماس گیرندگان به اپراتورهای پاسخگو برای نمایش خواستار وضعیت موردنظر تماس گیرنده می توان نام برد. این تکنولوژی نیازمند یادگیری سطح بالای سیستم های ماشین از طریق داده های از پیش برچسب گذاری شده و استفاده از الگوریتم های یادگیری ماشین است که در این مقاله ممتازترین آن ها را همچون پنجره همینگ از مدل های پردازش سیگنال، ضریب فرکانس مغزی مل MFCC به عنوان یکی از مهم ترین ویژگی های استخراجی و مدل مخفی مارکوف HMM وماشین بردار پشتیبان SVM که بهینه ترین الگوریتم های یادگیری ماشین در این زمینه هستند، شرح می دهیم.