基于MFCC特征提取和改进SVM的语音情感数据挖掘分类识别方法研究

• 作者: 张钰莎 蒋盛益
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 语音情感识别 支持向量机 数据挖掘 Mel频率倒谱系数 Mel能谱动态系数
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 160-165,212
• 页数: 7页
• 分类号: TP391
• 字数: 5810字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.08.028

摘要

设计一种语音情感数据挖掘分类识别方法.对语音情感信号进行预处理,进一步从语音话语中提取Mel频率倒谱系数(MFCC)和Mel能谱动态系数(MEDC);使用支持向量机(SVM)来分类不同的情绪状态,如愤怒、快乐、悲伤、中立、恐惧等,并基于径向基函数(RBF)内核进行训练阶段;应用柏林情感数据库和CASIA汉语情感语料库从情绪语音文件中提取特征.实验结果表明,柏林数据库和CASIA汉语情感语料库的正确识别率分别为82％和90.39％.与几种先进的对比方法进行比较,该方法在不同降维、不同信噪比下均取得了最优的识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋盛益	广东外语外贸大学信息学院	92	1053	18.0	28.0
2	张钰莎	湖南信息学院电子信息学院	11	9	2.0	2.0