Emotion recognition using a hierarchical binary decision tree approach

Detecting emotional state of a child in a conversational computer game

“…Acoustic features of speech have been used extensively to separate emotional coloring present in the speech signal by employing several pattern recognition techniques (Ang et al, 2002;Nwe et al, 2003;Lee and Narayanan, 2005;Batliner et al, 2006;Schuller et al, 2007b;Kapoor et al, 2007;Morrison et al, 2007;Neiberg and Elenius, 2008;Lee et al, 2009). Phoneme, syllable and word level statistics corresponding to F0 (fundamental frequency), energy, duration, spectral parameters, and voice quality parameters are among the features that have been mainly used for emotion recognition.…”

State-of-the-art tasks and achievements of paralinguistic speech analysis systems

“…В недавней обзорной статье также отмечалось [5], что некоторые методы, устоявшиеся в области машинного обучения [15], не очень обдуманно применяются к задаче РЭР, например, объединение множественных моделей на уровне позднего объединения информации. [16]) по двум конкурсам/направлениям (sub-challenges): наиболее точная классификация эмоций в речи (Classifier Performance Sub-Challenge) [17] (здесь и далее приведены ссылки на статьи, описывающие системы, победившие в каждом из кон-курсов) и конкурс открытых проектов по автоматическому паралингвистическому анализу речи (Open Performance Sub-Challenge) [18].…”

Benchmarking classification models for emotion recognition in natural speech: A multi-corporal study

“…1. The structure of an MLP [5] frequently used SVM kernel function in the domain of emotion recognition in speech is the radial basis function (RBF) kernel [11], [28], [35], [42], although some researchers also use the polynomial kernel [23], [28], [31] or the linear kernel [2], [26], [41]. In this study we use the linear and RBF kernels, excluding the polynomial kernel because of its slow training speed.…”