基于核主分量分析和典型相关分析的语音情感识别

• 作者: 余威风 卞金洪 王吉林 赵力
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 语音信号 情感识别 情感特征 核主分量分析 典型相关分析
• 年，卷（期）: 2014,（2）
• 页码范围: 222-226
• 页数: 5页
• 分类号: TP391.42
• 字数: 3869字
• 语种: 中文

摘要

核主分量分析(Kernel principal component analysis,KPCA)是一种利用核方法将主分量分析(Principal component analysis,PCA)推广后的学习方法,KPCA方法能够使得输入空间线性不可分的样本在特征空间有更好的可分性.典型相关分析(Canonical correlation analysis,CCA)是分析两组随机变量之间的相关性的一种统计方法.本文提出将KPCA方法用于语音情感识别中,并采用KPCA和CCA结合的方法用于情感识别.与传统的PCA方法进行了对比,研究结果表明基于KPCA及KPCA+CCA的情感识别有较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵力	东南大学信息科学与工程学院	308	3093	27.0	44.0
2	卞金洪	盐城工学院信息工程学院	19	71	4.0	7.0
3	王吉林	盐城工学院信息工程学院	33	175	7.0	12.0
4	余威风	东南大学信息科学与工程学院	1	4	1.0	1.0