本文關(guān)鍵詞：基于KELM決策融合的語音情感識(shí)別　出處：《電子技術(shù)應(yīng)用》2017年08期 　論文類型：期刊論文

  更多相關(guān)文章： 語音情感識(shí)別 核函數(shù)極限學(xué)習(xí)機(jī) 決策策略 概率矩陣

【摘要】：針對語音情感信號(hào)的復(fù)雜性和單一分類器識(shí)別的局限性,提出一種核函數(shù)極限學(xué)習(xí)機(jī)(KELM)決策融合的方法用于語音情感識(shí)別。首先對語音信號(hào)提取不同的特征,并訓(xùn)練相應(yīng)的基分類器,同時(shí)將輸出轉(zhuǎn)化為概率型輸出;然后利用測試集在基分類器的輸出概率值計(jì)算自適應(yīng)動(dòng)態(tài)權(quán)值;最后對各基分類器的輸出進(jìn)行線性加權(quán)融合得到最終的分類結(jié)果。利用該方法對柏林語音庫中4種情感進(jìn)行識(shí)別,實(shí)驗(yàn)結(jié)果表明,提出的融合KELM方法優(yōu)于常用的單分類器以及多分類器融合方法,有效地提高了語音情感識(shí)別系統(tǒng)的性能。
[Abstract]:Aiming at the limitations of the complexity of speech emotional signals and a single classifier, proposes a kernel extreme learning machine (KELM) is used for decision fusion method for speech emotion recognition of speech signals. Firstly, different feature extraction and classifier training accordingly, while the output into a probabilistic output; and then use the test set in the output probability of base classifiers adaptive dynamic weight value calculation; the output of the classifier based on linear fusion to get the final classification results. The identification of 4 kinds of emotional speech database in Berlin by using this method, the experimental results show that the proposed fusion method is better than the single KELM classifier and multi classifier fusion method, effectively to improve the performance of speech emotion recognition system.

【作者單位】： 太原理工大學(xué)信息工程學(xué)院;
【分類號(hào)】：TN912.34
【正文快照】： 0引言 人類的情感很難從一個(gè)量化的角度定義,其中語音是一種包含說話人信息、語義、情感的復(fù)雜信號(hào),是識(shí)別情感狀態(tài)的有效途徑。語音情感識(shí)別是計(jì)算機(jī)分析語音信號(hào)的特征參數(shù)并自動(dòng)判別情感狀態(tài)的一門技術(shù),是語音信號(hào)處理領(lǐng)域中非常重要的研究方向,廣泛應(yīng)用于人工服務(wù)、精神

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前8條

1 陳建廈;;語音情感識(shí)別綜述[A];第一屆中國情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

2 楊桃香;楊鑒;畢福昆;;基于模糊聚類的語音情感識(shí)別[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2007）論文集[C];2007年

3 羅武駿;包永強(qiáng);趙力;;基于模糊支持向量機(jī)的語音情感識(shí)別方法[A];2012'中國西部聲學(xué)學(xué)術(shù)交流會(huì)論文集(Ⅱ)[C];2012年

4 王青;謝波;陳根才;;基于神經(jīng)網(wǎng)絡(luò)的漢語語音情感識(shí)別[A];第一屆中國情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

5 張鼎天;徐明星;;基于調(diào)制頻譜特征的自動(dòng)語音情感識(shí)別[A];第十二屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議（NCMMSC'2013）論文集[C];2013年

6 童燦;;基于boosting HMM的語音情感識(shí)別[A];2008年中國高校通信類院系學(xué)術(shù)研討會(huì)論文集（下冊）[C];2009年

7 戴明洋;楊大利;徐明星;;語音情感識(shí)別中UBM訓(xùn)練集的組成研究[A];第十一屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

8 張衛(wèi);張雪英;孫穎;;基于HHT邊際Teager能量譜的語音情感識(shí)別[A];第十二屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議（NCMMSC'2013）論文集[C];2013年

相關(guān)博士學(xué)位論文 前7條

1 孫亞新;語音情感識(shí)別中的特征提取與識(shí)別算法研究[D];華南理工大學(xué);2015年

2 王坤俠;語音情感識(shí)別方法研究[D];合肥工業(yè)大學(xué);2015年

3 韓文靜;語音情感識(shí)別關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年

4 謝波;普通話語音情感識(shí)別關(guān)鍵技術(shù)研究[D];浙江大學(xué);2006年

5 尤鳴宇;語音情感識(shí)別的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2007年

6 劉佳;語音情感識(shí)別的研究與應(yīng)用[D];浙江大學(xué);2009年

7 趙臘生;語音情感特征提取與識(shí)別方法研究[D];大連理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 陳曉東;基于卷積神經(jīng)網(wǎng)絡(luò)的語音情感識(shí)別[D];華南理工大學(xué);2015年

2 孫志鋒;語音情感識(shí)別研究[D];陜西師范大學(xué);2015年

3 譚發(fā)曾;語音情感狀態(tài)模糊識(shí)別研究[D];電子科技大學(xué);2015年

4 陳鑫;相空間重構(gòu)在語音情感識(shí)別中的研究[D];長沙理工大學(xué);2014年

5 李昌群;基于特征選擇的語音情感識(shí)別[D];合肥工業(yè)大學(xué);2015年

6 陳文汐;基于核函數(shù)的語音情感識(shí)別技術(shù)的研究[D];東南大學(xué);2015年

7 薛文韜;基于深度學(xué)習(xí)和遷移學(xué)習(xí)的語音情感識(shí)別方法研究[D];江蘇大學(xué);2016年

8 宋明虎;電力行業(yè)電話電話客服語音情感識(shí)別[D];昆明理工大學(xué);2016年

9 陳肖;基于多粒度特征融合的維度語音情感識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2016年

10 任浩;基于多級(jí)分類的語音情感識(shí)別[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號(hào)：1420763