• parole
• MFCC
• interiezioni
• disturbo bipolare
• segnali audio
• Support Vector Machines (SVM)
• disturbi psichiatrici
• segnali vocali

Il lavoro di questa tesi si pone l'obiettivo di estrarre delle features che permettano di riuscire a distinguere le interiezioni dalle parole all'interno di segnali vocali. Dato l'alto contenuto di informazioni emotive che le interiezioni contengono riuscire ad identificarle e ad analizzarle può avere dei risvolti molto importanti nello studio di disturbi dell'umore e della psiche dell'individuo, come per esempio i disturbi bipolari. A partire da segnali audio registrati durante una test psicologico di scioltezza verbale da un campione di soggetti, una parte dei quali presentava disturbi bipolari, son stati calcolati 12 coefficienti MFCCs e successivamente per ognuno dei coefficienti sono state estratte diverse statistiche. Una volta ottenute queste statistiche siamo passati all'ultima fase del nostro studio, ovvero alla classificazione, cercando di riuscire a distinguere i segnali relativi alle parole da quelli relativi alle interiezioni tramite le features ottenute precedentemente. Per il lavoro di classificazione è stato utilizzato un approccio di tipo SVM (Support Vector Machines). Dopo tali prove con delle analisi statistiche si verificherà se le features utilizzate siano più o meno valide.