本文選題：語(yǔ)音人格　切入點(diǎn)：人格預(yù)測(cè)　出處：《計(jì)算機(jī)工程》2017年06期

【摘要】：為提高語(yǔ)音人格的預(yù)測(cè)精度,結(jié)合隨機(jī)森林模型,提出一種語(yǔ)音人格預(yù)測(cè)方法。選取用于語(yǔ)音人格預(yù)測(cè)的候選韻律特征集,通過(guò)Bootstrap方式對(duì)語(yǔ)音韻律特征集進(jìn)行抽樣,根據(jù)基尼系數(shù)為每個(gè)決策樹(shù)節(jié)點(diǎn)選擇最優(yōu)韻律特征集,最終構(gòu)造各維人格特征對(duì)應(yīng)的隨機(jī)森林模型,實(shí)現(xiàn)語(yǔ)音人格預(yù)測(cè)。在公共語(yǔ)音人格預(yù)測(cè)數(shù)據(jù)集中的仿真實(shí)驗(yàn)結(jié)果表明,與其他語(yǔ)音人格預(yù)測(cè)方法相比,該方法具有更高的預(yù)測(cè)準(zhǔn)確率。
[Abstract]:In order to improve the prediction accuracy of speech personality, a speech personality prediction method based on stochastic forest model is proposed.The candidate prosodic feature set for speech personality prediction is selected, and the speech prosodic feature set is sampled by Bootstrap method. According to Gini coefficient, the optimal prosodic feature set is selected for each decision tree node.Finally, the stochastic forest model corresponding to the personality characteristics of each dimension is constructed, and the speech personality prediction is realized.The simulation results in the common speech personality prediction data set show that the proposed method has higher prediction accuracy than other speech personality prediction methods.
【作者單位】： 湖南大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金面上項(xiàng)目(61173106)
【分類(lèi)號(hào)】：TN912.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前3條

1 范士俊;張愛(ài)武;胡少興;孫衛(wèi)東;;基于隨機(jī)森林的機(jī)載激光全波形點(diǎn)云數(shù)據(jù)分類(lèi)方法[J];中國(guó)激光;2013年09期

2 王鑫;汪晉寬;劉志剛;龔志恒;;基于隨機(jī)森林的認(rèn)知網(wǎng)絡(luò)頻譜感知算法[J];儀器儀表學(xué)報(bào);2013年11期

3 ;[J];;年期

相關(guān)碩士學(xué)位論文 前2條

1 李婭;基于智能手機(jī)的交通方式識(shí)別的研究與設(shè)計(jì)[D];湖南科技大學(xué);2016年

2 韓亮;基于隨機(jī)森林的行人檢測(cè)算法研究[D];北方工業(yè)大學(xué);2014年

，

本文編號(hào)：1726134