- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于LDA+kernel-KNNFLC的语音情感识别方法.pdf
第45卷第 1期 东南大 学学报 (自然科学版) VO1.45 No.1
2015年 1月 JOURNALOFSOUTHEASTUNIVERS/TY(NaturalScienceEdition) Jan.2015
doi:10.3969~.issn.1001—0505.2015.O1.002
基于 LDA+kerne1.KNNFLC的语音情感识别方法
张昕然 查 诚 徐新洲 宋 鹏 赵 力
(东南大学水声信号处理教育部重点实验室,南京210096)
(东南大学信息科学与工程学院,南京210096)
(东南大学儿童发展与学习科学教育部重点实验室,南京210096)
摘要:结合K近邻、核学习方法、特征线重心法和LDA算法,提出了用于情感识别的LDA+ker-
nel—KNNFLC方法.首先针对先验样本特征造成的计算量庞大问题,采用重心准则学习样本距
离,改进了核学习的K近邻方法;然后加入LDA对情感特征向量进行优化,在避免维度冗余的
情况下,更好地保证了情感信息识别的稳定性.最后,通过对特征空间再学习,结合LDA的ker-
nel—KNNFLC方法优化了情感特征向量的类间区分度,适合于语音情感识别.对包含 120维全局
统计特征的语音情感数据库进行仿真实验,对降维方案、情感分类器和维度参数进行 了多组对比
分析.结果表明,LDA+kernel—KNNFLC方法在同等条件下性能提升效果最显著.
关键词:语音情感识别;K近邻;核学习;特征重心线;线性判别分析
中图分类号:TP391.42 文献标志码 :A 文章编号:1001—0505(2015)01-0005-07
SpeechemotionrecognitionbasedonLDA +kernel-KNNFLC
ZhangXinran · ZhaCheng XuXinzhou SongPeng ZhaoLi
(KeyLaboratoryofUnderwaterAcousticSignalProcessingofMinistryofEducation,SoutheastUniversity,Nanjing210096,China)
(SchoolofInformationScienceandEngineering,SoutheastUniversiyt,Nanjing210096,China)
(KeyLaboratoryofChildDevelopmentnadLearningScienceofMinistryofEducation,SoutheastUniversiyt,Nnajing210096,China)
Abstract:BasedonKNN (K—nearestneighbor),kernellearning,FLC (featurelinecentroid)and
LDA (1ineardiscriminantanalysis)algorithm。hteLDA +kernel—KNNFLCmehtodisputforwrad
foremotionrecognitionaccordingtohtechraacteristicsofhtespeechemotionfeatures.First。inview
ofhtelrageamountofcalculation causedbyhtepriorsma plecharacteristics.theKNN ofkernel
learningmethodisimprovedbylearningsma pledistnaceswiht hteFLC.Secondly,byaddingLDA
toemotionalfeaturevectors。htestabilityofemotionalinformationrecognitionisensurednaddimen.
sionalredundnacyisavoided.Finally,bytherel
文档评论(0)