基于模糊聚類的語音情感識別研究.pdf

1、語音情感識別技術是情感感知人機交互系統的重要組成成分，是人工智能研究的一個重要分支，在諸多領域有著廣泛的應用前景。本文針對基于高斯核模糊矢量量化聚類語音情感識別的方法(GKFVQ)進行了研究，主要研究內容如下：
　　1.研究了將基于樣本方差的高斯核模糊矢量量化聚類算法(VGKFVQ)用于進行語音情感識別，該算法中使用樣本的方差代替高斯核函數中的核寬度參數，充分利用樣本的分布信息并實現參數的自適應調整從而不用花費大量時間進行試驗找出

2、最佳的核寬度參數，實驗結果表明該算法識別性能良好且高于GKFVQ算法、LBG算法以及模糊矢量量化聚類識別(FVQ)算法的識別率。
　　2.在VGKFVQ算法中會出現情感碼書陷入局部最優(yōu)影響系統識別率的問題，為解決這一問題，研究了結合改進的粒子群尋優(yōu)的 VGKFVQ情感識別的方法(PSO-VGKFVQ)，該算法用改進的粒子群算法先進行全局的尋優(yōu)，將最終的最優(yōu)粒子賦給初始聚類碼書作為初始碼本，再利用樣本方差的高斯核模糊聚類算法訓練碼書

3、，與VGKFVQ算法相比實驗結果表明新提出方法改善了系統識別性能。
　　3.就局部最優(yōu)時高興和生氣兩種情感互相錯判的比率較高問題，研究了使用支持向量機進行二次識別的方法(SVM-VGKFVQ)，即對判為高興和生氣的結果利用支持向量機算法的優(yōu)勢繼續(xù)進行再次識別以彌補高斯核模糊矢量量化聚類訓練聚類碼本進行情感識別的方法的陷入局部最優(yōu)的缺陷。與 VGKFVQ算法比較，實驗結果表明該方法能提升系統識別率。
　　4.利用碼字分布會影響