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(shù)是情感感知人機(jī)交互系統(tǒng)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(lǐng)域有著廣泛的應(yīng)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(jìn)行了研究，主要研究內(nèi)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(jìn)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(shù)中的核寬度參數(shù)，充分利用樣本的分布信息并實(shí)現(xiàn)參數(shù)的自適應(yīng)調(diào)整從而不用花費(fèi)大量時間進(jìn)行試驗(yàn)找出

2、最佳的核寬度參數(shù)，實(shí)驗(yàn)結(jié)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(xiàn)情感碼書陷入局部最優(yōu)影響系統(tǒng)識別率的問題，為解決這一問題，研究了結(jié)合改進(jìn)的粒子群尋優(yōu)的 VGKFVQ情感識別的方法(PSO-VGKFVQ)，該算法用改進(jìn)的粒子群算法先進(jìn)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(xùn)練碼書

3、，與VGKFVQ算法相比實(shí)驗(yàn)結(jié)果表明新提出方法改善了系統(tǒng)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(jī)進(jìn)行二次識別的方法(SVM-VGKFVQ)，即對判為高興和生氣的結(jié)果利用支持向量機(jī)算法的優(yōu)勢繼續(xù)進(jìn)行再次識別以彌補(bǔ)高斯核模糊矢量量化聚類訓(xùn)練聚類碼本進(jìn)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(shí)驗(yàn)結(jié)果表明該方法能提升系統(tǒng)識別率。
　　4.利用碼字分布會影響