基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
情感识别在人机交互领域具有广阔前景.由于情感表达在时间上具有一定的持续性,统计特征更能体现不同情绪语音的差异和动态变化,大多数语音情感识别研究都使用全局特征(如最大值、最小值等),并没有充分挖掘局部特征(如单帧的短时能量、过零率等)中的信息.提出一种基于局部特征优化的方法,对每个情感语音样本做进一步提纯,通过聚类分析对情感特征相对不显著的帧进行过滤,在此基础上进行统计计算和分类,以提高预测的准确率.实验结果表明,基于优化后的样本进行情感分类,3个语料库的平均准确率提高5%~17%.进一步的研究发现这种优化方法可能更适合于语音长度较长的情感识别场景.
推荐文章
基于情感特征分类的语音情感识别研究
语音情感识别
情感特征分类
改进D-S证据理论
证据信任度信息熵
动态先验权重
数据融合
基于基频特征的情感语音识别研究
语音信号
基频
情感特征
情感识别
基于随机森林分类优化的多特征语音情感识别
语音情感识别
随机森林
差分进化
多数投票
基于BP特征选择的语音情感识别
语音情感识别
特征提取
SVM
特征子集
BP特征选择
混库
分类矩阵
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于局部特征优化的语音情感识别
来源期刊 中国科学院大学学报 学科 工学
关键词 语音情感识别 局部特征 全局特征 聚类分析 数据优化
年,卷(期) 2017,(4) 所属期刊栏目 计算机科学
研究方向 页码范围 431-438
页数 8页 分类号 TN391.4
字数 5315字 语种 中文
DOI 10.7523/j.issn.2095-6134.2017.04.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱廷劭 中国科学院心理研究所 45 122 7.0 9.0
2 汪静莹 中国科学院心理研究所 5 9 2.0 3.0
6 隋小芸 中国科学院心理研究所 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
语音情感识别
局部特征
全局特征
聚类分析
数据优化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国科学院大学学报
双月刊
2095-6134
10-1131/N
大16开
北京玉泉路19号(甲)
82-583
1984
chi
出版文献量(篇)
2247
总下载数(次)
2
论文1v1指导