基于过滤和启发式搜索的语音情感特征选择
发布时间：2021-10-06 19:48
语音情感识别是人工智能领域的人机交互和机器的智能化研究中的一个重要分支。语音情感识别主要包含语音库的建立,情感特征的提取,语音特征选择,情感识别。情感特征的提取和语音情感特征选择是重要的环节,对于语音情感识别率的高低有着重要的影响。对语音情感的特征进行选择可以有效减少冗余数据选择出更好的表征语音情感的特征,以提高语音情感的识别率。本文主要研究工作如下:首先,是建立语音情感库,根据电视剧《空巢姥爷》视频,获得语音情感语料,建成老人语音情感库。其次,特征选择方法根据评价函数的不同可以分为过滤式和封装式,本文选择了过滤式中的信息增益来获得一部分特征集,然后根据搜索策略由于进一步筛选特征。搜索策略包含全局最优搜索类、随机搜索类和启发式搜索类。因为全局最优搜索时间复杂度很高,在实际中难以应用,而随机类搜索策略的结果不确定性较大,因此本文选择了启发式搜索算中的序列前向选择算法。本文结合信息增益与序列前向选择算法在两个不同的语料库上进行语音情感特征提取得到三组原始特征集,然后分别在信息增益,序列前向算法,以及信息增益加序列前向选择算法下,采用支持向量机进行语音情感识别。实验结果表明本文提出的特征选择...
【文章来源】：安徽建筑大学安徽省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
过滤器原理图
图 1-2 封装器原理图评价函数主要有相关性（Correlation）、距离（Distance Metrics）、信息益（IG）、一致性（Consistency）和分类器错误率（Classifier Error Rate）[69]。1.4 论文的主要工作与组织结构本文的主要工作是建立了老人语音情感库，并且采用了新的特征选择方法在德国语料库和老人语音情感库上进行了语音情感的识别，实验结果显示出要原有的文献结果提升了许多。并且在文章中对比分析了实验中需要的各种实验法优劣以及适用的情况。第一章是绪论环节，我们主要介绍了情感计算的发展，国内外研究背景以本文研究问题的来源、目的和意义。分析了当前语音发展的状况，以及未来的展趋势。对于语音提取环节的特征选择我们做了大量的调研，对使用的主要方以及国内外的研究现状做了统计的分析。特别是对特征选择中的搜索过程和评
学硕士学位论文 第二章 语音情感特征的提第二章 语音情感识别情感识别系统情感识别是利用计算机模拟人类的大脑对语音信号中的情感信号识知的过程。图 2.1 给出了语音情感系统框架图。语音情感识别系统的部，第一步是训练阶段，第二阶段是测试阶段。提取即特征参数分析，主要的目的是提取一组可以表征语音信号特征征参数要尽可能多的反映用于识别的信息，因为此后的处理均建立在上。例如，对异音字特征间距可能大而同音字间的距离可能的小。特可能的减少特征维数，利于存储，减少计算机的计算量。
【参考文献】：
期刊论文
[1]定向运动员识图过程中视觉搜索特征研究[J]. 刘阳,何劲鹏. 中国体育科技. 2018(04)
[2]基于参数寻优决策树SVM的语音情感识别[J]. 王富,孙林慧,苏敏,赵城. 计算机技术与发展. 2018(07)
[3]基于广度优先搜索的虚拟网络映射算法分析[J]. 赵冬梅,夏春梅. 电脑编程技巧与维护. 2017(22)
[4]测试用例自动生成中等式约束处理算法[J]. 张博,邢颖,宫云战,贾薇. 计算机辅助设计与图形学学报. 2017(09)
[5]融合信息增益与和声搜索的语音情感特征选择[J]. 陶勇森,王坤侠,杨静,李廉. 小型微型计算机系统. 2017(05)
[6]基于类依赖的语音情感特征选择[J]. 陈俊,王爱国,王坤侠,安宁,李廉. 微电子学与计算机. 2016(08)
[7]基于改进SFS特征选择BP识别算法[J]. 朱旭东,梁光明,冯雁. 现代电子技术. 2015(12)
[8]表情和姿态的双模态情感识别[J]. 闫静杰,郑文明,辛明海,邱伟. 中国图象图形学报. 2013(09)
[9]一种新的局部运动模糊图像恢复与合成算法[J]. 刘彬,薄华. 电子设计工程. 2013(12)
[10]基于信息增益的特征选择算法在语音识别系统中的应用[J]. 孙赢. 科技通报. 2012(12)
博士论文
[1]混沌伪随机序列算法及图像加密技术研究[D]. 刘杨.哈尔滨工业大学 2015
[2]语音情感识别方法研究[D]. 王坤侠.合肥工业大学 2015
[3]普通话语音情感识别关键技术研究[D]. 谢波.浙江大学 2006
硕士论文
[1]基于OBSI和特征选择的语音情感识别算法[D]. 邱东杰.大连海事大学 2017
[2]基于多生理信号的情绪识别方法研究[D]. 何成.浙江大学 2016
[3]肌电信号在情感状态识别中的研究[D]. 程颖.西南大学 2011
[4]基于心电信号的情感识别研究[D]. 徐亚.西南大学 2010
[5]生理信号的情感模式识别[D]. 牛晓伟.西南大学 2008
[6]基于特征选择与融合的语音情感识别研究与实现[D]. 谢环.南京航空航天大学 2008
本文编号：3420635
【文章来源】：安徽建筑大学安徽省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
过滤器原理图
图 1-2 封装器原理图评价函数主要有相关性（Correlation）、距离（Distance Metrics）、信息益（IG）、一致性（Consistency）和分类器错误率（Classifier Error Rate）[69]。1.4 论文的主要工作与组织结构本文的主要工作是建立了老人语音情感库，并且采用了新的特征选择方法在德国语料库和老人语音情感库上进行了语音情感的识别，实验结果显示出要原有的文献结果提升了许多。并且在文章中对比分析了实验中需要的各种实验法优劣以及适用的情况。第一章是绪论环节，我们主要介绍了情感计算的发展，国内外研究背景以本文研究问题的来源、目的和意义。分析了当前语音发展的状况，以及未来的展趋势。对于语音提取环节的特征选择我们做了大量的调研，对使用的主要方以及国内外的研究现状做了统计的分析。特别是对特征选择中的搜索过程和评
学硕士学位论文 第二章 语音情感特征的提第二章 语音情感识别情感识别系统情感识别是利用计算机模拟人类的大脑对语音信号中的情感信号识知的过程。图 2.1 给出了语音情感系统框架图。语音情感识别系统的部，第一步是训练阶段，第二阶段是测试阶段。提取即特征参数分析，主要的目的是提取一组可以表征语音信号特征征参数要尽可能多的反映用于识别的信息，因为此后的处理均建立在上。例如，对异音字特征间距可能大而同音字间的距离可能的小。特可能的减少特征维数，利于存储，减少计算机的计算量。
【参考文献】：
期刊论文
[1]定向运动员识图过程中视觉搜索特征研究[J]. 刘阳,何劲鹏. 中国体育科技. 2018(04)
[2]基于参数寻优决策树SVM的语音情感识别[J]. 王富,孙林慧,苏敏,赵城. 计算机技术与发展. 2018(07)
[3]基于广度优先搜索的虚拟网络映射算法分析[J]. 赵冬梅,夏春梅. 电脑编程技巧与维护. 2017(22)
[4]测试用例自动生成中等式约束处理算法[J]. 张博,邢颖,宫云战,贾薇. 计算机辅助设计与图形学学报. 2017(09)
[5]融合信息增益与和声搜索的语音情感特征选择[J]. 陶勇森,王坤侠,杨静,李廉. 小型微型计算机系统. 2017(05)
[6]基于类依赖的语音情感特征选择[J]. 陈俊,王爱国,王坤侠,安宁,李廉. 微电子学与计算机. 2016(08)
[7]基于改进SFS特征选择BP识别算法[J]. 朱旭东,梁光明,冯雁. 现代电子技术. 2015(12)
[8]表情和姿态的双模态情感识别[J]. 闫静杰,郑文明,辛明海,邱伟. 中国图象图形学报. 2013(09)
[9]一种新的局部运动模糊图像恢复与合成算法[J]. 刘彬,薄华. 电子设计工程. 2013(12)
[10]基于信息增益的特征选择算法在语音识别系统中的应用[J]. 孙赢. 科技通报. 2012(12)
博士论文
[1]混沌伪随机序列算法及图像加密技术研究[D]. 刘杨.哈尔滨工业大学 2015
[2]语音情感识别方法研究[D]. 王坤侠.合肥工业大学 2015
[3]普通话语音情感识别关键技术研究[D]. 谢波.浙江大学 2006
硕士论文
[1]基于OBSI和特征选择的语音情感识别算法[D]. 邱东杰.大连海事大学 2017
[2]基于多生理信号的情绪识别方法研究[D]. 何成.浙江大学 2016
[3]肌电信号在情感状态识别中的研究[D]. 程颖.西南大学 2011
[4]基于心电信号的情感识别研究[D]. 徐亚.西南大学 2010
[5]生理信号的情感模式识别[D]. 牛晓伟.西南大学 2008
[6]基于特征选择与融合的语音情感识别研究与实现[D]. 谢环.南京航空航天大学 2008
本文编号：3420635
本文链接：https://www.wllwen.com/kejilunwen/wltx/3420635.html
