本文關鍵詞：基于語音的負性情感強度模型研究　出處：《太原理工大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： 語音情感識別 相似度算法 情感強度模型 支持向量機

【摘要】：語音情感識別作為人工智能領域的重要分支,在實現(xiàn)自然和諧的人機交互方面具有重要的研究和應用價值。對語音的情感進行計算,是人機交互中廣為關注的領域,而語音的情感強度模型研究更是其核心研究內容。但由于目前對情感的描述方式存在著較大差別,加之情感本身的社會性和多模態(tài)性,均對語音的情感強度模型研究造成了較大的阻礙。鑒于上述原因,本文首先對情感描述模型以及情感語音識別系統(tǒng)分別進行了詳細介紹。然后重點對語音情感強度模型的訓練及建立進行了詳盡的探究和論述,根據Plutchik“情感輪”理論對情感強度進行了等級劃分,使用相似度算法來建立情感強度模型,實現(xiàn)對基本負性情感語音的情感強度劃分。最后設計實驗對本文所建立的情感強度模型劃分結果進行識別,平均識別率為90.4%。本文的主要研究內容如下:(1)對譜聚類算法進行優(yōu)化。本文以密度敏感的相似度度量,通過對類內數據的減小以及類間數據的放大,構造相似度矩陣;以Bagging算法,根據不同的約束條件,選取拉普拉斯矩陣中最優(yōu)的特征向量組合,分別解決了多尺度聚類和特征向量選取的問題,從而實現(xiàn)了譜聚類算法的優(yōu)化。(2)基于優(yōu)化后的譜聚類算法,訓練并建立了三階情感強度模型。以優(yōu)化的譜聚類相似度算法為基礎,以基本負性情感語音為數據來源,選取并建立情感特征向量矩陣,對特征矩陣的每一列進行聚類,訓練并建立三階情感強度模型,并使用該模型實現(xiàn)語音的三階情感強度劃分。最后通過支持向量機對劃分結果識別,獲得了90.4%的平均識別率。本文以基本負性情感語音數據為基礎,訓練建立的三階情感強度模型對語音的情感強度實現(xiàn)了有效劃分,并且該模型的應用不僅可以用于語音情感識別領域,也為心理疾病的診斷提供了新的思路和新的可能性,具有重要的應用和研究價值。
[Abstract]:In this paper , the emotion intensity model and the emotion intensity model of speech are discussed in detail , and the emotion intensity model of speech is divided according to Plutchik ' s emotion wheel theory .

【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN912.3

【相似文獻】

相關期刊論文 前1條

1 馬玉萍,朱文海;地空導彈武器系統(tǒng)研制階段年度投資強度模型[J];系統(tǒng)工程與電子技術;1993年01期

相關博士學位論文 前1條

1 周穎穎;住房抵押貸款強度定價模型研究[D];大連理工大學;2009年

相關碩士學位論文 前7條

1 尤思航;非熱處理強化鋁合金強度模型的研究[D];哈爾濱工業(yè)大學;2015年

2 韓歡歡;基于場論的商品房預售資金監(jiān)管強度模型研究[D];重慶大學;2016年

3 張子恒;基于語音的負性情感強度模型研究[D];太原理工大學;2017年

4 孫贊贊;多尺度違約強度模型下的可違約債券定價[D];上海交通大學;2011年

5 曾永松;電子執(zhí)法環(huán)境下階梯式處罰強度模型研究[D];哈爾濱工業(yè)大學;2014年

6 林雙羽;多尺度強度模型下標的股票含有違約風險的期權定價[D];上海交通大學;2011年

7 黃建君;充填法擋墻強度模型研究及應用[D];昆明理工大學;2014年

，

本文編號：1417890