SVM et k-ppv pour la reconnaissance d'émotions

Abstract

- La faculté de reconnaître automatiquement les émotions peut s'avérer utile dans le développement du dialogue homme/machine. Nous avons pris la suite des travaux de J. Healey [Hea00] et tenté de relever le défi d'identifier 8 émotions basiques dans des signaux issus de capteurs physiologiques. Le premier obstacle à franchir est la grande dimension du problème : la sélection de variables et l'analyse discriminante linéaire ont permis de réduire la dimensionalité du problème. Le second problème concerne le caractère multi-classes de la discrimination (8 émotions à identifier). Les Support Vector Machines (SVM) ont déjà fait leurs preuves en discrimination bi-classes mais ils sont encore peu utilisés dans les autres cas. 3 types de SVM multi-classes seront abordés dans cet article et comparés à 2 méthodes classiques : les k plus proches voisins (kppv) et la discrimination par maximum a posteriori sur une modélisation gaussienne (utilisée par J. Healey). Avec un taux de reconnaissance supérieur à 90%, cette expérience est un succès et permet d'envisager des applications dans les domaines du context aware et de l'ubiquitous computing[CK00].