بازشناسی احساس از گفتار به یکی از موضوعات پژوهشی فعال در پردازش گفتار و در برنامههای مبتنی بر تعامل انسان و کامپیوتر تبدیل شده است. با وجود پژوهشهای زیاد در این زمینه همچنان فاصله زیادی بین احساسات طبیعی انسان و درک کامپیوتر نسبت به آن وجود دارد. در حالت کلی یک سیستم بازشناسی احساس از روی گفتار را می توان متشکل از سه بخش مهم استخراج ،( MFCC ) ضرایب کپسترالِ فرکانسی مل , (FP) ویژگی، انتخاب ویژگی و طبقه بندی دانست . که در این مقاله ویژگیهاى فوریه و ترکیبهای مختلفی از آنها به عنوان بردار ویژگی از دادگان استخراج میشود. مسأله بعد کاهش ویژگی مربوط (FEZ) ویژگیهای به تشخیص احساس از گفتار برای ارزیابی کارایی سیستم توضیح دادهشده است. سپس همجوشی طبقه بندیهاى هر حالت احساسی انجام میگیرد. به منظور مقایسه، آزمایشات مشابهی بر (KNN) و (SVM) با استفاده از ماشین بردار پشتیبان انجام میگیرد. به منظور مقایسه، آزمایشات مشابهی بر (KNN) نزدیکترین همسایه 5 -K و (SVM) با استفاده از ماشین بردار پشتیبان روی دادگان گفتار احساسی زبان آلمانی و زبان فارسی انجام شده است و نتایج قابل توجهی به دست آمده است .

کلمات کلیدی