基于LDA+kernel-KNNFLC的语音情感识别方法

被引：9

作者：

张昕然 ^{[1
,2
]}

查诚 ^{[1
]}

徐新洲 ^{[1
]}

宋鹏 ^{[3
]}

赵力 ^{[1
,2
]}

机构：

[1] 东南大学水声信号处理教育部重点实验室

[2] 东南大学信息科学与工程学院

[3] 东南大学儿童发展与学习科学教育部重点实验室

来源：

东南大学学报(自然科学版) | 2015年 / 45卷 / 01期

关键词：

语音情感识别; K近邻; 核学习; 特征重心线; 线性判别分析;

D O I：

暂无

中图分类号：

TN912.34 [语音识别与设备];

学科分类号：

0711 ;

摘要：

结合K近邻、核学习方法、特征线重心法和LDA算法,提出了用于情感识别的LDA+kernel-KNNFLC方法.首先针对先验样本特征造成的计算量庞大问题,采用重心准则学习样本距离,改进了核学习的K近邻方法;然后加入LDA对情感特征向量进行优化,在避免维度冗余的情况下,更好地保证了情感信息识别的稳定性.最后,通过对特征空间再学习,结合LDA的kernel-KNNFLC方法优化了情感特征向量的类间区分度,适合于语音情感识别.对包含120维全局统计特征的语音情感数据库进行仿真实验,对降维方案、情感分类器和维度参数进行了多组对比分析.结果表明,LDA+kernel-KNNFLC方法在同等条件下性能提升效果最显著.

引用

页码：5 / 11

页数：7