مروری بر تشخیص احساسات گفتاری SER در یادگیری ماشین

در سال های اخیر ، یادگیری ماشین و تلفیق اطلاعات این امکان را فراهم کرده است که ماشین ها / رایانه ها توانایی درک احساس ، شناخت و تجزیه و تحلیل احساسات را داشته باشد استفاده از سیگنل های گفتار می تواند منجر به تشخیص احساساتی قابل اعتماد باشد.تشخیص احساسات گفتاری، استخراج احساسات گوینده از سیگنال گفتاری وی است که استخراج ویژگی ، انتخاب ویژگی و طبقه بندی سه مرحله اصلی تشخیص احساسات است [ ۱] این کار با پیش پردازش نمونه های صوتی دریافت شده که در آن سر و صدای نمونه های گفتاری با استفاده از فیلترها حذف می شود شروع می شود و در مرحله بعدی از الگوریتم های MFCC pitch ، DWT و ZCR برای استخراج ویژگی ها استفاده می شود. در مرحله انتخاب ویژگی از الگوریتم ویژگی جهانی برای حذف اطلاعات زائد از ویژگی ها و شناسایی احساسات از ویژگی های استخراج شده استفاده می شود این الگوریتم های استخراج ویژگی برای احساسات جهانی شامل خشم ، شادی ، غمگین و خاثی تایید می شوند و در انتها از الگوریتم های طبقه بندی ترکیبی گوسی Gaussian Mixture Model (GMM) و معروف ترین آنها ماشین بردار پشتیبان Support vector machine (SVM) برای طبقه بندی داده ها استفاده می شود

کلیدواژه ها:

یادگیری ماشین ، تشخیص احساس ، احساس گفتاری ، ویژگی های صدا ، ضرایب کپسترال فرکانسی مل ، SVM ،