지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2004.4
- 수록면
- 470 - 473 (4page)
이용수
이 논문의 연구 히스토리 (4)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In this paper, the comparison of speech feature parameters for emotion recognition is studied for emotion recognition using speech signal. For this purpose, a corpus of emotional speech data recorded and classified according to the emotion using the subjective evaluation were used to make statical feature vectors such as average, standard deviation and maximum value of pitch and energy. MFCC parameters and their derivatives with or without cepstral mean subtraction are also used to evaluate the performance of the conventional pattern matching algorithms. Pitch and energy parameters were used as a prosodic information and MFCC parameters were used as phonetic information. In this paper,
In the Experiments, the vector quantization based emotion recognition system is used for speaker and context independent emotion recognition. Experimental results showed that vector quantization based emotion recognizer using MFCC parameters showed better performance than that using the pitch and energy parameters. The vector quantization based emotion recognizer achieved recognition rates of 73.3% for the speaker and context independent classification.
In the Experiments, the vector quantization based emotion recognition system is used for speaker and context independent emotion recognition. Experimental results showed that vector quantization based emotion recognizer using MFCC parameters showed better performance than that using the pitch and energy parameters. The vector quantization based emotion recognizer achieved recognition rates of 73.3% for the speaker and context independent classification.
목차
요약
1. 서론
2. 감정 인식 알고리즘
3. 실험 및 결과 고찰
4. 결론
감사의 글
5. 참고문헌
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
음성 신호를 사용한 감정인식의 특징 파라메터 비교
전자공학회논문지-SP
2003 .09
-
특징 선택과 융합 방법을 이용한 음성 감정 인식
전기학회논문지
2017 .08
-
Statistical Speech Feature Selection for Emotion Recognition
한국음향학회지
2005 .01
-
음성신호기반의 감정인식의 특징 벡터 비교
전기학회논문지
2018 .10
-
음성의 피치 파라메터를 사용한 감정 인식
한국지능시스템학회 논문지
2015 .06
-
Recognition of Emotion and Emotional Speech Based on Prosodic Processing
한국음향학회지
2004 .01
-
음성신호기반의 감정분석을 위한 특징벡터 선택
전기학회논문지
2015 .09
-
음성 신호를 사용한 GMM기반의 감정 인식
한국음향학회지
2004 .01
-
음성신호 기반 감정인식을 위한 특징 파라메터 비교
한국통신학회 학술대회논문집
2016 .01
-
Emotion Recognition Based on Frequency Analysis of Speech Signal
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2002 .06
-
감정변화에 따른 음성정보 분석에 관한 연구
한국정밀공학회 학술발표대회 논문집
2004 .10
-
음성 기반 감정인식을 위한 특징 벡터
정보 및 제어 논문집
2019 .10
-
음성신호를 이용한 감성인식에서의 패턴인식 방법
한국지능시스템학회 학술발표 논문집
2006 .05
-
A Multimodal Emotion Recognition Using the Facial Image and Speech Signal
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2005 .03
-
A Speaker and Text-independent Emotion Recognition by Korean Speech Signal
ITC-CSCC :International Technical Conference on Circuits Systems, Computers and Communications
2005 .07
-
파마메터 공간을 이용한 화자인식에 관한 연구
한국음향학회 학술발표대회
2001 .01
-
강인한 음성 인식 시스템을 사용한 감정 인식
한국지능시스템학회 논문지
2008 .10
-
Youtube와 Emotion API를 이용한 음성 기반 감정 인식 AI 시스템
대한전자공학회 학술대회
2018 .06
-
A Study on the Emotional Feature Composed of the Mel-frequency Cepstral Coefficient and the Speech Speed
Journal of Computing Science and Engineering
2019 .12
-
Pattern Recognition Methods for Emotion Recognition with speech signal
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2006 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2009-028-015008376