口语情感识别数据集：语音中情感识别/检测目的的数据集的集合。 该表按时间顺序排列，并包含每个数据集内容的描述以及所包含的情感。 数据集 年 内容 情绪化 格式 尺寸 语 纸 使用权 执照 2021年 40小时，由70多位讲英语的人提供6,000多个25,000多个句子的6,000多个录音（有关详细信息，请参见数据库链接）。 以价，唤醒和可信赖为特征的连续情感维度。 音频，视频，文字 15 GB 英语 禁止进入 根据学术许可和商业许可提供 2020年 超过100位演讲者提供了100小时的服务（有关详情，请参见数据库链接）。 该语料库使用基于属性的描述符（激活，支配和价）和分类标签（愤怒，幸福，悲伤，厌恶，惊讶，恐惧，鄙视，中立等）用情感标签进行注释。 声音的 -- -- 禁止进入 根据学术许可和商业许可提供 2020年 各种各样的发言人录制的唱片及其相关的录音作品。 4种情

Every person feels the same basic emotions .pdf

音频信号的情感识别 这是使用OpenSmile，主成分分析和Scikit-learn库中的分类器从Surrey视听表达情感（SAVEE）数据库中的音频信号进行情感识别的一组灵感。 SAVEE数据库是由萨里大学（University of Surrey）的四名以英语为母语的男性说话者（分别为DC，JE，JK，KL），研究生和研究人员记录的，该数据库包括7种不同情绪的录音和480种英国英语发音。 OpenSmile用于从.wav文件中提取特征，它会生成1582个特征。 之后，我将PCA（主成分分析）用于减少三维。 最后，我使用了不同的算法进行分类。 不同的情感是： Anger Disgust Fear Happiness Sadness Surprise Neutral 结果 算法 模型表现 多层感知器分类器 0.8020833333333334 Logistic回归+ lbfgs解算器

流星情绪数据 Meteor 情绪数据包。 用法 // Load the emotions from a json file emotions . load ( ) ; var emotion = emotions . findEmotion ( { name : 'Bad' } ) ; // Free up the memory for the garbage collector emotions . unload ( ) ;

这里有两组可用于多标签分类实验的数据集，scene（场景）和emotions（情感），两个都是图片类型的数据集，可直接在MATLAB和python上使用，不需要在进行处理。

Classification of Evoked Emotions Using an Artificial Neural Network Based on Single, Short-Term Physiological Signals

mulan数据库中的emotions部分。将原本的java数据文件转换为了txt格式和matlab支持的mat格式，训练样本和测试样本已经分类好，适用于进行多标签学习的数据库