基于LDA+kernel-KNNFLC的语音情感识别方法

• 作者: 宋鹏 张昕然 徐新洲 查诚 赵力
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 语音情感识别 K近邻 核学习 特征重心线 线性判别分析
• 年，卷（期）: 2015,（1）
• 页码范围: 5-11
• 页数: 7页
• 分类号: TP391.42
• 字数: 6316字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2015.01.002

摘要

结合K近邻、核学习方法、特征线重心法和LDA算法,提出了用于情感识别的LDA+ kernel-KNNFLC方法.首先针对先验样本特征造成的计算量庞大问题,采用重心准则学习样本距离,改进了核学习的K近邻方法;然后加入LDA对情感特征向量进行优化,在避免维度冗余的情况下,更好地保证了情感信息识别的稳定性.最后,通过对特征空间再学习,结合LDA的kernel-KNNFLC方法优化了情感特征向量的类间区分度,适合于语音情感识别.对包含120维全局统计特征的语音情感数据库进行仿真实验,对降维方案、情感分类器和维度参数进行了多组对比分析.结果表明,LDA+ kernel-KNNFLC方法在同等条件下性能提升效果最显著.

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	东南大学水声信号处理教育部重点实验室	308	3093	27.0	44.0
5	徐新洲	东南大学水声信号处理教育部重点实验室	9	33	4.0	5.0
6	张昕然	东南大学水声信号处理教育部重点实验室	10	91	5.0	9.0
10	查诚	东南大学水声信号处理教育部重点实验室	9	74	5.0	8.0
11	宋鹏	东南大学儿童发展与学习科学教育部重点实验室	9	29	3.0	5.0