基于多級(jí)分類的語(yǔ)音情感識(shí)別.pdf_第1頁(yè)
已閱讀1頁(yè),還剩59頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、在人工智能飛速發(fā)展的今天,機(jī)器若要真正實(shí)現(xiàn)智能化,則必須要能夠理解人類的情感,所以對(duì)于人類語(yǔ)音情感識(shí)別的研究顯得尤為重要。本文選用柏林語(yǔ)音情感庫(kù),在傳統(tǒng)SVM用于語(yǔ)音情感識(shí)別的基礎(chǔ)之上,提出了一種多級(jí)分類算法,平均識(shí)別率較傳統(tǒng)SVM方法提高了5.42%;然后本文又利用PCA來(lái)進(jìn)行特征優(yōu)選,將優(yōu)選后的特征用于語(yǔ)音情感識(shí)別實(shí)驗(yàn),所得七種情感的平均識(shí)別率也較傳統(tǒng)SVM方法提高了5.24%;最后本文將多級(jí)分類與PCA相結(jié)合,在每一級(jí)判決器上都采

2、用PCA來(lái)進(jìn)行特征優(yōu)選,最終得到七種情感的平均識(shí)別率較傳統(tǒng)SVM方法提高了7.85%。
  本文研究了如何對(duì)語(yǔ)音文本進(jìn)行端點(diǎn)檢測(cè),并研究了MFCC、基音頻率、共振峰、Delta特征、短時(shí)過(guò)零率、短時(shí)能量等情感特征的提取方法。采用所提取到的情感特征并利用傳統(tǒng)SVM方法進(jìn)行語(yǔ)音情感識(shí)別獲得了58.69%的平均識(shí)別率。由傳統(tǒng)方法所得出的混淆矩陣,本文引入了混淆度的概念,從而提出了一種多級(jí)分類構(gòu)造算法,即將容易區(qū)分的情感先分開(kāi),然后再對(duì)易

3、混淆的情感進(jìn)行分類,逐級(jí)地判斷出待識(shí)別語(yǔ)音的情感類型。與傳統(tǒng)SVM進(jìn)行語(yǔ)音情感識(shí)別相比,基于多級(jí)分類的語(yǔ)音情感識(shí)別平均識(shí)別率提高了5.42%,從而證明了該多級(jí)分類算法確實(shí)能夠提高語(yǔ)音情感的識(shí)別率。
  然而,由于所涉及語(yǔ)音特征較多,算法對(duì)運(yùn)行速度和存儲(chǔ)空間都有較高的要求。本文采用PCA來(lái)優(yōu)選特征,將PCA與傳統(tǒng)SVM方法相結(jié)合得到的平均識(shí)別率較傳統(tǒng)基于SVM方法提升了5.24%,從而證明了PCA用于特征降維并優(yōu)選特征確實(shí)能夠提高情

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論