Estudio para la clasificación parcialmente supervisada de emociones a partir de voz, utilizando métodos de autoaprendizaje y SVMs
Identificadores
URI: http://hdl.handle.net/10317/1975Compartir
Métricas
Estadísticas
Ver Estadísticas de usoMetadatos
Mostrar el registro completo del ítemDirector/a
Larrey Ruiz, Jorge; Scherer, StefanEscuela/Centro
Escuela Técnica Superior de Ingeniería de TelecomunicaciónDepartamento
Tecnologías de la Información y las ComunicacionesÁrea de conocimiento
Teoría de la Señal y las ComunicacionesFecha de publicación
2011-12-02Palabras clave
EmocionesVoz
Autoaprendizaje
SVMs
Speech
Self-training
Emotions
Resumen
[SPA]Las interacciones hombre-máquina hacen uso de muchos canales de comunicación
diferentes con el fin de obtener buenos resultados, en términos
de comprensión. Los canales de audio y vídeo son los más informativos
para los humanos, debido a la gran cantidad de información disponible
en ellos. Para las máquinas, sin embargo, existen muchas variables que
dependen del contexto que hacen la tarea mucho más complicada, tal y
como pueden ser las emociones del hablante en cada instante. Las emociones
pueden afectar en gran medida las expresiones y deben, por tanto,
ser consideradas como tal. El trabajo realizado para este proyecto tiene
como finalidad el estudio de la clasificación automática de emociones a
partir de voz, utilizando clasificadores del tipo máquinas de vectores de
soporte difusas.
Al mismo tiempo, las soluciones tradicionales de clasificación automática
dependen de grandes conjuntos de entrenamiento que permiten aprender
los patrones que hay detrás de la distri ...
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia:
Redes sociales