基于核典型相关分析和支持向量机的语音情感识别模型

• 作者: 张前进 王华东
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 语音情感识别 核典型相关分析 特征选择 情感分类器 支持向量机
• 年，卷（期）: 2017,（2）
• 页码范围: 191-197
• 页数: 7页
• 分类号: TP391
• 字数: 4040字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2017.41.02.009

摘要

为了获得更好的语音情感识别的实时性和正确率,该文提出了基于核典型相关分析和支持向量机的语音情感识别模型.首先提取多种情感识别的特征,采用核典型相关分析对特征进行选择,将选择的特征作为支持向量机的输入向量进行训练,建立情感识别的分类器,最后采用语音情感识别的标准数据库进行验证性和对比实验.实验结果表明,该模型能够准确识别不同类型的语音情感,获得较高的语音情感识别率.核典型相关分析减少了分类器的输入向量数,加快了情感识别速度,获得了理想的实时性.该文语音情感识别结果优于对比模型,具有更高的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王华东	周口师范学院计算机科学与技术学院	41	279	7.0	15.0
2	张前进	安徽国防科技职业学院信息工程系	28	109	5.0	9.0