该数据来源于：https://download.csdn.net/download/qq_44250700/85378522?spm=1001.2014.3001.5501的音乐集里400首音乐。该音乐集应该是音乐分类的有4种分类，每种100首，每首1分钟。注意：本次提供的数据并未采用人工标注！

采用小波变换的方法对采集自同一被试的不同情感数据样本进行分析,从小波系数中提取心电图信号的情感特征.对同一天采集自同一被试的4种情感的特征进行比较分析,得出大小关系一致的特征作为情感识别依据.选取的特征在归一化之后对高兴和悲伤2类情感分类效果较好,最高可以达到92%.

近年来, 卷积神经网络模型常常被用于文本情感分类的研究中, 但多数研究都会忽略文本特征词本身所携带的情感信息和中文文本分词时被错分的情况. 针对此问题, 提出一种融合情感特征的双通道卷积神经网络情感分类模型(Dual-channel Convolutional Neural Network sentiment classification model fused with Sentiment Feature, SFD-CNN). 该模型在构造输入时以一条通道构造融合情感特征的语义向量矩阵以获取到更多的情感类型信息, 以另一条通道构造文本字向量矩阵以降低分词错误的影响. 实验结果表明, SFD-CNN模型准确率高达92.94%, 要优于未改进的模型.

人脸特征提取算法大体分为基于静态图像的特征提取方法和基于动态图像的特征提取方法。其中基于静态图像的特征提取算法可分为整体法和局部法，基于动态图像的特征提取算法又分为光流法、模型法和几何法。 在表情特征提取方法中，研究者考虑到表情的产生与表达在很大程度上是依靠面部器官的变化来反映的。人脸的主要器官及其褶皱部分都会成为表情特征集中的区域。因此在面部器官区域标记特征点，计算特征点之间的距离和特征点所在曲线的曲率，就成为了采用几何形式提取人脸表情的方法。文献[1]使用形变网格对不同表情的人脸进行网格化表示，将第一帧与该序列表情最大帧之间的网格节点坐标变化作为几何特征，实现对表情的识别。 本次实现的特征提取方法即为几何法。 资源中有详细的代码运行介绍（README.md）

内含人脸情感特征提取的python代码，情感特征除68个人脸坐标外，还提取出了多个AU数值。需要的朋友可以下载试试。

需要用到openSMILE批量提取音频情感特征的朋友可以下载。 该代码可以起到openSMILE批量提取音频情感特征的功能， 没有积分的朋友可以去某宝上买，很便宜哈哈

基于MATLAB的语音情感特征提取与识别研究。内容详细，适合写作论文参考

介绍了情感分析中情感特征提取的难点，提出了利用模糊理论和语义模糊化对提取的特征词进行扩充，建立模糊情感语料库，通过与基于句法分析的词性选取的特征词组成的情感特征词典作对比实验，说明模糊理论适合用于网络新闻评论中情感特征词库的提取和扩充．

过特定人语音情感数据库的建立；语音情感特征提取；语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统。对于单个特定人，可以识别平静、悲伤、愤怒、惊讶、高兴5种情感，除愤怒和高兴之间混淆程度相对较大之外，各类之间区分特性良好，平均分类正确率为93.7%。对于三个特定人组成的特定人群，可以识别平静、愤怒、悲伤3种情感，各类之间区分特性良好，平均分类正确率为94.4%。其中分类器采用混合高斯分布模型。