应用改进混合蛙跳算法的实用语音情感识别

发布时间：2021-11-15 21:12

　　针对支持向量机（Support Vector Machine,SVM）的参数优化问题,提出了一种改进的混合蛙跳算法（Improved Shuffled Frog Leaping Algorithm,Im-SFLA）,提高了其在实用语音情感识别中的学习能力。首先,我们在SFLA中引入了模拟退火（Simulated Annealing,SA）、免疫接种（Immune Vaccination,IV）、高斯变异和混沌扰动算子,平衡了搜索的高效性和种群的多样性;第二,利用Im-SFLA优化SVM的参数,提出了一种Im-SFLA-SVM方法;第三,分析了烦躁等实用语音情感的声学特征,重点分析了基音、短时能量、共振峰和混沌特征随情感类别的变化特性,构建出144维的情感特征向量并采用LDA降维到4维;最后,在实用语音情感数据库上测试了算法性能,将提出的算法与混合蛙跳算法（Shuffled Frog Leaping Algorithm,SFLA）优化SVM参数的方法（SFLA-SVM方法）、粒子群优化（Particle Swarm Optimization,PSO）算法优化SVM参数的方法（PSO-SV... 

【文章来源】：声学学报. 2014,39(02)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

若音翻率均值分布

2期张潇丹等：应用改进混合蛙跳算法的实用语音情感识别 277听辨实验得到的数据集中随机选取400条语句作为 采用Im-SFLA-SVM方法、SFLA-SVM方法、训练样本集（每种情感各100条)，其余3307条作为 PSO-SVM方法、SVM方法、GMM方法和BP神测试样本集（烦躁798条、高兴820条、中性845条 经网络法的识别结果分别如表4、表5、表6、表7、和伤心844条）。在提取语音特征前，对语音信号进表8和表9所示，图5给出了6种方法识别结果对行加窗分帧，以25ms左右为一帧，相邻两帧之间重 比，其中识别方法16分别代表Im-SFLA-SVM方叠1/2，采用汉明窗加窗处理以减小每帧边缘的截断法、SFLA-SVM方法、PSO-SVM方法、SVM方法、效应。实验中，参考文献32中建议的参数设置并经 GMM方法和BP神经网络法，第一类错误率I33)是过多次的仿真实验，参数设置为：种群中的青蛙个体 指该类情感误判为其它3种情感类别的结果总和，总数200，每个子群体中的个体数20，子群体的个数 第二类错误率是指其它3种情感类别分别误判10,青蛙个体（解）的维数为2，适应度函数为对训练 为该类情感的结果总和。样本集进行K-CV意义下的分类准确率的相反数，K-CV组数/(=3，子群体内的局部迭代次数30，退 =别方法1火的初始温度10，降温系数().9，基态温度1，接种概 9()SSSlills率0.4,PSO算法中的种群规模200，解的维数2，迭代 85Sills次数100,权重因子C!=c2=1.49445，SVM核函数 g80别方法6采用高斯RBF，惩罚系数C'的搜索范围为[0.1，100]， §75n；,高斯RBF宽度<7的搜索范围为[0.01,1000]，BP神 鸢7(1经网络隐含层节点数15，激活函数为单极性Sigmoid II■丨 丨60函数（tansig)，输出层函数为线性激活函数（purelin)， 55训练函数为tminlm,训练目标精度为lxlO-5?

【参考文献】：
期刊论文
[1]A new perturbation method to the Tent map and its application[J]. 王兴元,王林林.  Chinese Physics B. 2011(05)
[2]实用语音情感的特征分析与识别的研究[J]. 黄程韦,赵艳,金赟,于寅骅,赵力.  电子与信息学报. 2011(01)
[3]基于改进混合蛙跳算法的认知无线电协作频谱感知[J]. 郑仕链,楼才义,杨小牛.  物理学报. 2010(05)
[4]改进混合蛙跳算法求解旅行商问题[J]. 罗雪晖,杨烨,李霞.  通信学报. 2009(07)
[5]基于粒子群优化算法的支持向量机参数选择及其应用[J]. 邵信光,杨慧中,陈刚.  控制理论与应用. 2006(05)

博士论文
[1]协同进化数值优化算法及其应用研究[D]. 慕彩红.西安电子科技大学 2010
[2]基于语音信号的情感识别研究[D]. 金学成.中国科学技术大学 2007



本文编号：3497501