Adaptive Feature Generation for Speech Emotion Recognition

Euihwan Han; Hyungtai Cha

doi:10.5573/IEIESPC.2020.9.3.185

추천

검색

질문

자료유형: 학술저널

저자정보: Euihwan Han (Graduate School of Soongsil University) Hyungtai Cha (Soongsil University)

저널정보: 대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.9 No.3

발행연도: 2020.6

수록면: 185 - 192 (8page)

DOI: 10.5573/IEIESPC.2020.9.3.185

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

The issue of emotion recognition has received considerable critical attention in artificial intelligence and machine learning. In sentiment analysis fields, researchers recognize emotional states from speech, electroencephalograms, and images, etc. The speech signal is among the most widely used in emotion recognition. There are many speech features, including pitch, energy, linear prediction coefficients, mel-frequency cepstral coefficients, and the Teager energy operator. In this study, we explore the critical speech features for sentiment analysis. We modify our previous feature-generation method, which applies low-variance filtering and principal component analysis (for grouped features) to identify the features. We do not utilize between-class scatter here, but rather, the between class–scatter and within class–scatter ratio. Grouping is achieved according to the number of features—not correlation values. For an objective evaluation, we use the Ryerson Audio-Visual Database of Emotional Speech and Song, with a performance evaluation conducted in terms of classifier accuracy and computational complexity. Finally, we propose an effective feature-generation method to find the critical features for emotion recognition from speech.

#Sentiment analysis #Machine learning #Speech feature #Feature generation

참고문헌 (15)

참고문헌 신청

E. A. Moataz / 2011 / Survey on speech emotion recognition : Features, classification schemes, and databases / Pattern Recognition 44:572~587

한의환 / 2019 / 효과적인 감정 분석을 위한 저 레벨 영상 특징(low-level image feature)추출 / 제어.로봇.시스템학회 논문지 25(4):319~326

한의환 / 2019 / 통계적 전처리 과정을 통한 분류기 성능 향상에 관한 연구 / 제어.로봇.시스템학회 논문지 25(1):69~75

Euihwan Han / 2019 / Audio Feature Extraction for Effective Emotion Classification / IEIE Transactions on Smart Processing & Computing 8(2):100~107

SR. Livingstone / 2018 / The Ryerson Audio-Visual Database of Emotional Speech and Song (RAVDESS): A dynamic, multimodal set of facial and vocal expressions in North American English / PLoS ONE 13(5)

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Euihwan Han

소속기관 Graduate School of Soongsil University

주요연구분야 공학 > 전기전자공학 > 전자공학 공학 > 전기전자공학 > 정보통신공학

논문수 23 이용수 1,711

Hyungtai Cha

소속기관 숭실대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 10% 공학 > 전기전자공학 > 전기공학

논문수 74 이용수 7,663

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-569-000684353

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (15)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)