改进SVM结合决策树的情感语音识别

发布时间：2022-08-11 16:30

　　针对传统情感语音识别方法整体分类精度不高的问题,提出改进SVM结合决策树的情感语音识别方法。首先,提取能量、过零率、幅度以及线性预测系数共四个时域统计特征,基于互相关技术将中性情感语音作为参考,与其余的情感语音相关联。其次,从每个得到的互相关序列中提取出质心等五个特征。最后,利用提出的改进SVM与决策树的混合模型完成分类识别。在柏林情感语音数据库上的结果表明,提出的方法能有效完成情感语音信号识别。 

【文章页数】：6 页

【文章目录】：
0 引言
1 情感语音特征提取
    1.1 情感语音识别系统结构
    1.2 时域统计特征提取
    1.3 互相关特征提取
2 改进SVM分类器
3 改进SVM分类器与决策树结合的情感语音识别
4 实验与分析
    4.1 情感语音数据库
    4.2 实验设置
    4.3 实验分析
5 结束语


【参考文献】：
期刊论文
[1]基于RNN和WFST译码的自动语音识别研究[J]. 郑晓琼,汪晓,江海升,樊培培,张超.  信息技术. 2019(06)
[2]英语语音优化识别建模仿真分析[J]. 米婧.  信息技术. 2019(06)
[3]基于汉语组块产品特征——观点对提取与情感分析研究[J]. 刘臣,韩林,李丹丹,安咏雪,霍良安.  计算机应用研究. 2017(10)
[4]相空间重构的情感语音特征提取及优化[J]. 孙颖,宋春晓.  西安电子科技大学学报. 2017(06)
[5]基于多级SVM分类的语音情感识别算法[J]. 任浩,叶亮,李月,沙学军.  计算机应用研究. 2017(06)

硕士论文
[1]面向AMSR2被动微波遥感数据的地表温度反演方法与验证研究[D]. 代冯楠.电子科技大学 2016
[2]基于HMM和人工神经网络混合模型的汉语语音情感识别[D]. 曹鹏霞.湖南师范大学 2015
[3]基于变量加权的核函数的SVM及其应用研究[D]. 胡蕾.湖南大学 2013



本文编号：3674999