使用二次特征选择及核融合的语音情感识别

被引：8

作者：

姜晓庆 ^{[1
,2
]}

夏克文 ^{[1
]}

林永良 ^{[1
,3
]}

机构：

[1] 不详

[2] 河北工业大学电子信息工程学院

[3] 不详

[4] 济南大学信息科学与工程学院

[5] 天津城建大学信息化建设管理中心

[6] 不详

来源：

计算机工程与应用 | 2017年 / 03期

关键词：

情感识别; 支持向量机; 特征选择;

D O I：

暂无

中图分类号：

TN912.34 [语音识别与设备];

学科分类号：

摘要：

为提高语音情感识别精度,对基本声学特征构建的多维特征集合,采用二次特征选择方法综合考虑特征参数与情感类别之间的内在特性,从而建立优化的、具有有效情感可分性的特征子集;在语音情感识别阶段,设计二叉树结构的多分类器以综合考虑系统整体性能与复杂度,采用核融合方法改进SVM模型,使用多核SVM识别混淆度最大的情感。算法在Berlin情感语音库五种情感状态的样本上进行验证,实验结果表明二次特征选择与核融合相结合的方法在有效提高情感识别精度的同时,对噪声具有一定的鲁棒性。

引用

页码：7 / 11+153 +153

页数：6

共 11 条

[1] 采用半定规划多核SVM的语音情感识别
姜晓庆
夏克文
夏莘媛
祖宝开
[J]. 北京邮电大学学报, 2015, (S1) : 67 - 71
[2] 基于多核学习的多特征融合图像分类研究
胡湘萍
[J]. 计算机工程与应用, 2016, 52 (05) : 194 - 198
[3] 人机交互中的语音情感识别研究进展
张石清
李乐民
赵知劲
[J]. 电路与系统学报, 2013, 18 (02) : 440 - 451+434
[4] 多核学习方法[J]. 汪洪桥,孙富春,蔡艳宁,陈宁,丁林阁.自动化学报. 2010(08)
[5] Robust emotion recognition in noisy speech via sparse representation
Xiaoming Zhao
Shiqing Zhang
Bicheng Lei
[J]. Neural Computing and Applications, 2014, 24 : 1539 - 1553
[6] Two-stage multiple kernel learning with multiclass kernel polarization[J] . Tinghua Wang,Dongyan Zhao,Yansong Feng.Knowledge-Based Systems . 2013
[7] Speech emotion recognition: Features and classification models[J] . Lijiang Chen,Xia Mao,Yuli Xue,Lee Lung Cheng.Digital Signal Processing . 2012 (6)
[8] An efficient multiple-kernel learning for pattern classification[J] . Chi-Yuan Yeh,Wen-Pin Su,Shie-Jue Lee.Expert Systems With Applications . 2012
[9] Survey on speech emotion recognition: Features, classification schemes, and databases[J] . Moataz El Ayadi,Mohamed S. Kamel,Fakhri Karray.Pattern Recognition . 2010 (3)
[10] Support vector machines employing cross-correlation for emotional speech recognition[J] . Suryannarayana Chandaka,Amitava Chatterjee,Sugata Munshi.Measurement . 2008 (4)

← 1 2 →