資源描述：
《基于決策樹(shù)和改進(jìn)SVM混合模型的語(yǔ)音情感識(shí)別》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、第37卷第4期北京理工大學(xué)學(xué)報(bào)Vol.37No.42017年4月TransactionsofBeijingInstituteofTechnologyApr.2017基于決策樹(shù)和改進(jìn)SVM混合模型的語(yǔ)音情感識(shí)別趙涓涓,馬瑞良,張小龍(太原理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,山西,太原030024)摘要:為有效提高語(yǔ)音情感識(shí)別的準(zhǔn)確性,達(dá)到人機(jī)和諧交互的目的,本文提出了一種基于決策樹(shù)和改進(jìn)SVM混合模型的語(yǔ)音情感識(shí)別方法,有效地避免了無(wú)界泛化誤差、分類(lèi)器數(shù)目多、受限優(yōu)化等問(wèn)題,提高了悲傷、喜悅、憤怒、厭惡、驚訝、恐懼6種基本情感識(shí)別效率.實(shí)驗(yàn)結(jié)果表明,該方法識(shí)別準(zhǔn)確率為8
2、7.58%,與傳統(tǒng)的支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)方法相比,有更高的抗噪聲能力和穩(wěn)定性,能得到更高的識(shí)別準(zhǔn)確率,而且有較強(qiáng)的實(shí)用性和推廣能力.關(guān)鍵詞:人機(jī)交互;情感識(shí)別;支持向量機(jī);決策樹(shù)中圖分類(lèi)號(hào):TP391文獻(xiàn)標(biāo)志碼:A文章編號(hào):1001-0645(2017)04-0386-06DOI:10.15918/j.tbit1001-0645.2017.04.011SpeechEmotionRecognitionBasedonDecisionTreeandImprovedSVMMixedModelZHAOJuan-juan,MARui-liang,ZHANGXiao-lo
3、ng(SchoolofComputerScienceandTechnology,TaiyuanUniversityofTechnology,Taiyuan,Shanxi030024,China)Abstract:Toeffectivelyimprovetheaccuracyofspeechemotionrecognitioninintelligentman-machineharmoniousinteraction,amethodofspeechemotionrecognitionwasproposedbasedondecisiontreeandanimprove
4、dSVMmixedmodel.Thismethodcanavoidthetreeunboundedgeneralizationerror,morethenumberofclassifiersandothershortcomings,whiletakingadvantageofSVM-KNNmixedmodeltoavoidconstrainedoptimizationproblemsandimprovetherecognitionefficiency.Inthispaper,sixbasicemotionswereidentified,includingsadn
5、ess,joy,anger,disgust,surprise,fear.Experimentalresultsshowthatthismethodcaneffectivelyidentifysixbasicemotions.Comparedwiththetraditionalsupportvectormachineandartificialneuralnetworkmethod,thismethodcangethigherrecognitionaccuracy,betterstability,strongpracticabilityandgeneralizati
6、onability.Keywords:human-computerinteraction;emotionrecognition;supportvectormachine;decisiontree隨著情感計(jì)算與模式識(shí)別發(fā)展,如何通過(guò)語(yǔ)音側(cè)重語(yǔ)音中詞匯傳達(dá)的信息是否清晰準(zhǔn)確,忽略了[2]使人們能夠與計(jì)算機(jī)和諧智能交互,已經(jīng)成為智能其中包含的情感特征,然而,情感信息的識(shí)別與處[1]人機(jī)交互領(lǐng)域的研究熱點(diǎn).在日?；镜恼Z(yǔ)音中理也是信息處理系統(tǒng)中必不可少的一部分,因此,語(yǔ)不僅僅包含了語(yǔ)音表達(dá)的信息,還隱含了說(shuō)話(huà)人的音情感信息高效地識(shí)別是人機(jī)和諧交互的重要情感信息,傳統(tǒng)信息
7、處理系統(tǒng)在對(duì)語(yǔ)音處理時(shí)主要基礎(chǔ).收稿日期:20151112基金項(xiàng)目:國(guó)家自然科學(xué)基金資助項(xiàng)目(61540007,61373100);虛擬現(xiàn)實(shí)技術(shù)與系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室資助項(xiàng)目(BUAA-VR-15KF02,BUAA-VR-16KF-13)作者簡(jiǎn)介:趙涓涓(1975—),女,博士,教授,E-mail:zh_juanjuan@126.com.第4期趙涓涓等:基于決策樹(shù)和改進(jìn)SVM混合模型的語(yǔ)音情感識(shí)別387目前,在國(guó)內(nèi)外研究中,情感識(shí)別的主要方法別性能.[3]有:K最近鄰方法、混合高斯模型法、隱馬爾科夫[4][5]2情感語(yǔ)音庫(kù)建立模型法、人工神經(jīng)網(wǎng)絡(luò)方法、支持向量機(jī)(
8、SVM)以及在這些方法上
