• Journal of Korean Electronics
• /
• v.24 no.8
• /
• pp.30-31
• /
• 2004

• Research in Community and Public Health Nursing
• /
• v.2 no.1
• /
• pp.121-122
• /
• 1990

• The Bimonthly Magazine for Agrochemicals and Plant Protection
• /
• v.13 no.1 s.106
• /
• pp.58-64
• /
• 1992

• The Monthly Technology and Standards
• /
• s.60
• /
• pp.30-32
• /
• 2007

• Proceedings of the Korean Ceranic Society Conference
• /
• 2002.10a
• /
• pp.210.2-210
• /
• 2002

• Photonics industry news
• /
• s.25
• /
• pp.48-53
• /
• 2004

• 발명특허
• /
• v.36 no.1
• /
• pp.80-81
• /
• 2011

• Journal of Information Management
• /
• v.17 no.4
• /
• pp.1-26
• /
• 1984

• Korean Journal of Heritage: History & Science
• /
• v.1
• /
• pp.231-231
• /
• 1965

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.555-558
• /
• 2006

감정을 포함하고 있는 음성은 청자로 하여금 화자의 심리상태를 파악할 수 있게 하는 요소 중에 하나이다. 음성신호에 포함되어 있는 감정을 인식하여 사람과 로봇과의 원활한 감성적 상호작용을 위하여 특징을 추출하고 감정을 분류한 방법을 제시한다. 음성신호로부터 음향정보 및 운율정보인 기본 특징들을 추출하고 이로부터 계산된 통계치를 갖는 특징벡터를 입력으로 support vector machine (SVM) 기반의 패턴분류기를 사용하여 6가지의 감정- 화남(angry), 지루함(bored), 기쁨(happy), 중립(neutral), 슬픔(sad) 그리고 놀람(surprised)으로 분류한다. SVM에 의한 인식실험을 한 경우 51.4%의 인식률을 보였고 사람의 판단에 의한 경우는 60.4%의 인식률을 보였다. 또한 화자가 판단한 감정 데이터베이스의 감정들을 다수의 청자가 판단한 감정 상태로 변경한 입력을 SVM에 의해서 감정을 분류한 결과가 51.2% 정확도로 감정인식하기 위해 사용한 기본 특징들이 유효함을 알 수 있다.