基于聚类PSO-LSSVM模型的PAD维度预测

• 作者: 孙颖 张雪英 段淑斐 胡艳香
• 来源期刊: 计算机应用研究
• 关键词: 情感维度PAD 最小二乘支持向量机 粒子群优化算法 情感聚类分析
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 994-998
• 页数: 5页
• 分类号: TN912.3
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.10.0735

摘要

针对PAD(愉悦度、激活度、优势度)预测精度问题,提出将最小二乘支持向量机(least squares support vector machine,LSSVM)经粒子群优化(particle swarm optimization,PSO)算法优化再与情感聚类分析结合的聚类PSO-LSSVM模型.对TYUT2.0和柏林语音库的三种情感语音提取情感特征,基于特征与标注的P、A、D对三种单一情感分别建立各类情感维度PSO-LSSVM模型以及对三种情感建立混合情感维度PSO-LSSVM模型;然后利用混合情感维度PSO-LSSVM模型预测P、A、D,并计算其与基本情感PAD的距离;最后将距离大于阈值的情感聚类为混合情感,将距离小于阈值的情感聚类为与其距离最近的情感,并利用对应情感的回归模型预测其P、A、D.研究显示,该模型对P、A、D的预测误差较LSSVM和PSO-LSSVM模型更小,且预测值与标注值的相关性更强,说明聚类PSO-LSSVM模型对P、A、D的预测更加可靠、准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雪英	太原理工大学信息与计算机学院	233	1213	15.0	23.0
2	孙颖	太原理工大学信息与计算机学院	34	179	8.0	10.0
3	段淑斐	太原理工大学信息与计算机学院	8	9	2.0	2.0
4	胡艳香	太原理工大学信息与计算机学院	2	1	1.0	1.0