学位论文 > 优秀研究生学位论文题录展示
语音情感识别的特征选择与特征产生
作 者: 龚希龄
导 师: 叶吉祥
学 校: 长沙理工大学
专 业: 计算机软件与理论
关键词: 语音情感识别 特征选择 特征产生 基因表达式编程 混合蛙跳算法
分类号: TP18
类 型: 硕士论文
年 份: 2011年
下 载: 12次
引 用: 0次
阅 读: 论文下载
内容摘要
语音情感识别是近年的热门研究领域之一,是人工智能、模式识别、语音信号处理与情感计算的交叉学科产物,在智能机器、人机交互、远程教学、刑事侦探、产品设计等各个方面都有着重要的应用前景。本文首先介绍了语音情感识别的基础理论、方法,介绍了最常用的语音情感特征及其提取方法,并使用基于统计学习理论的支持向量机对语音情感语料库进行分类识别,得到了较好的识别效果。随后,本文致力于通过特征选择与特征产生提高语音情感的正确识别率。特征选择能够有效的去除冗余和不相关特征,提高分类器的正确率和泛化能力。本文介绍了特征选择的现状,着重研究了前向浮动序列选择(SFFS)、ReliefF、基于遗传算法的特征选择(GAFS)这三个基本的特征选择算法在语音情感识别中的性能区别。实验结果显示GAFS具有较好的特征选择能力,能够在较短的时间内选择出具有较高识别能力的语音情感特征,有效的提高语音情感正确识别率。为了进一步压缩特征空间、提高语音情感特征识别率,本文进一步研究了特征产生在语音情感识别中的应用。特征产生是一个较新的模式识别技术,它通过将现有特征映射到新的函数空间来寻找特征之间的关系、压缩特征空间,从而获得更高的识别率。本文简要介绍了现有的特征产生算法,其中基于基因表达式编程(GEP)的特征产生是较好的特征产生算法。随后本文提出了一种结合混合蛙跳算法(SFLA)与GEP的特征产生算法,它能够有效的改善GEP算法收敛速度慢、容易收敛到局部解的缺点。本文使用由GAFS算法选择出的一组语音情感特征,应用SFLA-GEP算法进行特征产生,实验结果显示SFLA-GEP的特征产生结果优于GEP算法,基于SFLA-GEP的特征产生有效的提高了语音情感的正确识别率。本文最后对研究工作进行了总结,并指出了今后进一步的研究方向。
|
全文目录
摘要 5-6ABSTRACT 6-10第一章 绪论 10-13 1.1 研究背景 10-11 1.2 论文的研究内容及结构 11-13第二章 语音情感识别 13-25 2.1 概述 13-14 2.1.1 情感分类 13 2.1.2 语料库 13-14 2.2 语音信号数字化与预处理 14-16 2.2.1 数字化 14 2.2.2 预加重 14-15 2.2.3 分帧 15 2.2.4 加窗 15-16 2.3 语音情感特征的提取 16-18 2.3.1 基音频率 16-17 2.3.2 短时能量 17 2.3.3 短时过零率 17-18 2.3.4 MFCC 18 2.4 支持向量机 18-23 2.4.1 语音情感识别方法概述 18-20 2.4.2 统计学习理论 20 2.4.3 支持向量机 20-23 2.5 基于支持向量机的语音情感识别 23-24 2.6 小结 24-25第三章 语音情感特征选择 25-34 3.1 特征选择概述 25-27 3.1.1 按搜索策略划分特征选择算法 25-26 3.1.2 按评价准则划分特征选择算法 26-27 3.2 ReliefF 27-28 3.3 SFFS 28 3.4 GAFS 28-31 3.4.1 遗传算法概述 28-30 3.4.2 基于遗传算法的特征选择[26] 30-31 3.5 语音情感特征选择结果 31-33 3.6 小结 33-34第四章 语音情感特征产生 34-43 4.1 特征产生概述 34-35 4.2 结合GEP 与SFLA 的特征产生 35-39 4.2.1 基因表达式编程 35-37 4.2.2 混合蛙跳算法 37-39 4.3 SFLA-GEP 特征产生 39-42 4.3.1 算法描述 39-41 4.3.2 基于SFLA-GEP 的语音情感特征产生 41-42 4.4 小结 42-43第五章 结论与展望 43-44 5.1 结论 43 5.2 展望 43-44参考文献 44-48致谢 48-49附录(攻读硕士学位期间发表录用论文) 49-50摘要 50-52Abstract 52-54
|
相似论文
- 基于仿生模式识别的文本分类技术研究,TP391.1
- 唇读中的特征提取、选择与融合,TP391.41
- 基于多重分形的语音情感识别研究,TN912.34
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于数据分布特征的文本分类研究,TP391.1
- 车辆识别系统动态特征选择算法的研究与实现,TP391.41
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 面向肺部CAD的特征提取、选择及分类方法研究,TP391.41
- 基于群体智能的医学图像特征优化算法研究,TP391.41
- 基于FSVM的数据挖掘方法及其在入侵检测中的应用研究,TP393.08
- 流形学习的方差最小化准则,TP181
- 掌纹主线特征选择方法及成像系统研究,TP391.41
- 中国民族音乐特征提取与分类技术的研究,J607
- 随机森林特征选择,TP311.13
- 面向概念查询的生物医学多文档摘要技术研究,TP391.1
- 面向互联网中文舆情信息的情感倾向分析,TP391.1
- 基于粗糙集属性约简和加权SVM的入侵检测方法研究,TP393.08
- 基于决策树的网络流量分类研究,TP393.06
- 基于内容检索的垃圾邮件过滤器研究与实现,TP393.098
- 结合本体HowNet的中文文本分类研究,TP391.1
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|