關(guān)聯(lián)規(guī)則挖掘在語(yǔ)音情感識(shí)別中的應(yīng)用研究.pdf

1、語(yǔ)音傳遞信息是人類最常用、最重要的交換信息的方式。語(yǔ)音中包含了豐富的語(yǔ)義信息和情感信息,人們往往只注重語(yǔ)音中所包含的語(yǔ)義信息而忽略了情感信息,然而這些情感信息又是計(jì)算機(jī)理解人類情感的關(guān)鍵。此外,語(yǔ)音情感識(shí)別作為情感計(jì)算的一個(gè)重要的分支,同時(shí)也是語(yǔ)音識(shí)別領(lǐng)域的一個(gè)重要的研究方向,其涉及到心理學(xué)、人工智能、信號(hào)處理、模式識(shí)別等多個(gè)領(lǐng)域,因此,具有很重要的研究意義。
　　針對(duì)語(yǔ)音情感識(shí)別對(duì)語(yǔ)音信號(hào)特征的依賴性,不同情感與聲學(xué)特征之間的關(guān)

2、聯(lián)問題。本文將關(guān)聯(lián)規(guī)則算法引入情感計(jì)算領(lǐng)域,用于對(duì)語(yǔ)音信號(hào)特征的抽取中,提出了基于Apriori算法的語(yǔ)音情感中韻律特征抽取算法(prosody feature extraction algorithm in speech emotion based on apriori,簡(jiǎn)稱PFEA_AP算法),并且在漢語(yǔ)情感語(yǔ)料庫(kù)和國(guó)外的語(yǔ)音情感數(shù)據(jù)集上進(jìn)行了相關(guān)實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,本文的PFEA_AP算法所抽取的特征在降低維度的同時(shí)還能夠有效提高

3、情感分類精度,從而驗(yàn)證了新算法所抽取特征的有效性,為后續(xù)語(yǔ)音情感識(shí)別研究的特征選擇提供理論依據(jù)。本文的主要工作如下:
　　第一,詳細(xì)分析了語(yǔ)音情感識(shí)別研究中常用的韻律學(xué)特征和譜特征,針對(duì)語(yǔ)音情感特征的復(fù)雜性,使用praat軟件提取出語(yǔ)音信號(hào)中的韻律學(xué)特征數(shù)據(jù),將提取的特征數(shù)據(jù)進(jìn)行離散化處理,構(gòu)建出語(yǔ)音情感韻律特征的關(guān)聯(lián)規(guī)則挖掘模型。
　　第二,在此基礎(chǔ)上,分別使用Apriori算法和FP-growth算法對(duì)語(yǔ)音情感韻律特征進(jìn)

4、行抽取,分別從算法生成的有效規(guī)則數(shù)和運(yùn)行時(shí)間分析比較兩種算法抽取特征的優(yōu)劣,最終選擇基于Apriori算法的語(yǔ)音情感韻律特征抽取。
　　第三,首先在漢語(yǔ)情感語(yǔ)料庫(kù)上使用SVM和BP神經(jīng)網(wǎng)絡(luò)算法對(duì)所抽取特征進(jìn)行仿真實(shí)驗(yàn),接著又使用fisher線性判別法選擇的特征與PFEA_AP算法抽取的特征進(jìn)行比較,說(shuō)明新算法抽取特征的有效性。為了驗(yàn)證不同國(guó)家的人情感表達(dá)的差異,又在國(guó)外情感數(shù)據(jù)集EMO-DB上進(jìn)行了實(shí)驗(yàn),結(jié)果表明不同國(guó)家的人情感表