[1]刘明珠,李晓琴,陈洪恒. 基于支持向量机的语音情感识别算法研究[J].哈尔滨理工大学学报,2019,(04):118-126.[doi:10.15938/j.jhust.2019.04.020]
 LIU Ming zhu,LI Xiao qin,CHEN Hong heng. Research on Speech and Emotional Recognition Algorithm Based on Support Vector Machine[J].哈尔滨理工大学学报,2019,(04):118-126.[doi:10.15938/j.jhust.2019.04.020]
点击复制

 基于支持向量机的语音情感识别算法研究()
分享到:

《哈尔滨理工大学学报》[ISSN:1007-2683/CN:23-1404/N]

卷:
期数:
2019年04期
页码:
118-126
栏目:
测控技术与通信工程
出版日期:
2019-08-25

文章信息/Info

Title:
 Research on Speech and Emotional Recognition Algorithm Based on Support Vector Machine
文章编号:
1007-2683(2019)04-0118-09
作者:
 刘明珠李晓琴陈洪恒
 (哈尔滨理工大学 测控技术与通信工程学院,黑龙江 哈尔滨 150080)
Author(s):
 LIU MingzhuLI XiaoqinCHEN Hongheng
 (School of Measurementcontrol Technology and Communication Engineering, Harbin University of Science and Technology, Harbin 150080, China)
关键词:
 语音情感识别支持向量机核参数优化Fisher准则最大熵原理
Keywords:
 speech emotion recognition support vector machines optimization of nuclear parameters Fisher criteria maximum entropy principle
分类号:
TN912.34
DOI:
10.15938/j.jhust.2019.04.020
文献标志码:
A
摘要:
 为了提高语音情感识别系统的识别率,研究分析了一种支持向量机核函数参数的优选方法。首先给出影响支持向量机核参数的因素,其次依据这些因素,结合Fisher准则和最大熵原理对支持向量机的核参数进行优选。最后用优选参数对基于情感语音数据库进行5种情感的识别测试,测试结果表明Fisher准则和最大熵方法相融合能够有效地提高语音情感识别准确率。
Abstract:
 In order to improve the recognition rate of speech emotion recognition system, this paper studies a preferred method of supporting vector machine kernel function parameters. Firstly, according to the principle of support vector machine, the factors influencing the kernel parameters are given.Secondly, according to these factors, the kernel parameters of the support vector machine are optimized according to the Fisher criterion and the maximum entropy principle. Finally, five kinds of emotion recognition tests based on the emotional speech database are selected with the preferred parameters. The test results show that the fusion of the Fisher criterion and the maximum entropy method can effectively improve the accuracy of speech emotion recognition.

参考文献/References:

[1]余伶俐, 蔡自兴, 陈明义. 语音信号的情感特征分析与识别研究综述[J]. 电路与系统学报, 2007, 12(4):76.
[2]李书玲, 刘蓉, 张鎏钦,等. 基于改进型SVM算法的语音情感识别[J]. 计算机应用, 2013, 33(7):1938.
[3]石瑛. 基于分类方法的语音情感识别研究[D]. 合肥:合肥工业大学, 2008.
[4]AYADI M E, KAMEL M S, KARRAY F. Survey on speech emotion recognition: Features, classification schemes, and databases[J]. Pattern Recognition, 2011, 44(3):572.
[5]NWE T L, FOO S W, SILVA L C D. Speech emotion recognition using hidden Markov models[J]. Speech Communication, 2003, 41(4):603.
[6]余华, 黄程韦, 金赟,等. 基于改进的蛙跳算法的神经网络在语音情感识别中的研究[J]. 信号处理, 2010, 26(9):1294.
[7]VLASENKO B, SCHULLER B, WENDEMUTH A, et al. Combining frame and turnlevel information for robust recognition of emotions within speech.[C]// INTERSPEECH 2007, Conference of the International Speech Communication Association,Antwerp, Belgium, August. 2007:2249. 
[8]朱菊霞, 吴小培, 吕钊. 基于SVM的语音情感识别算法[J]. 计算机系统应用, 2011, 20(5):87.
[9]李书玲, 刘蓉, 张鎏钦,等. 基于改进型SVM算法的语音情感识别[J]. 计算机应用, 2013, 33(7):1938.
[10]赵力.语音信号处理.北京:机械工业出版社,2008.36.
[11]陈晓东. 基于SVM和HMM混合模型的语音情感识别和性别识别[D]. 绵阳市:西南科技大学, 2011. 
[12]宋知用.MATLAB在语音信号分析与合成中的应用[M].北京:北京航空航天大学出版社,2013:268.
[13]V. N.VAPNIK, An overview of statistical learning theory, IEEE Trans. Neural Netw. 1999, 10: 988.
[14]高争艳, 张玉双, 王慕坤. 基于核K-均值聚类和支持向量机结合的说话人识别方法[J]. 哈尔滨理工大学学报, 2008, 13(5):40.
[15]张新闻,周春燕,李学生. 优化核参数的SVM在电能质量扰动分类中的应用[J]. 哈尔滨理工大学学报,2011(3):50.
[16]SMOLA A J, SCH&#, LKOPF B. A tutorial on support vector regression[J]. Statisticsand Computing 2004, 14(3):199.
[17]奉国和. SVM分类核函数及参数选择比较[J]. 计算机工程与应用,2011(3):123.
[18]刘飚, 陈春萍, 封化民,等. 基于Fisher准则的SVM参数选择算法[J]. 山东大学学报(理学版), 2012, 47(7):50.
[19]PENALVER B A, ESCOLANO R F, SAEZ J M. Learning Gaussian mixture models with entropybased criteria[J]. IEEE Transactions on Neural Networks, 2009, 20(11):1756.[20]BURKHARDT F,KIENAST M;PAESCHKE Berlin database of emotional speech(Technical University,Insitute for Speech and Communication Science, Berlin)[DB/OL].[2012-07-15].http://pascal.kgw.tuberlin.de/emodb/.
[21]中科院自动化研究所人机语音交互课题组.汉语情感语料库[DB/OL]. [2012-09-22]. http://www.datatang. com//data/39277
[22]李磊, 高雷阜, 赵世杰. 基于神经网络的粒子群算法优化SVM参数问题[J]. 计算机工程与应用, 2015, 51(4):162.

相似文献/References:

[1]孙永全,郭建英,陈洪科,等.AMSAA模型可靠性增长预测方法的改进[J].哈尔滨理工大学学报,2010,(05):49.
 SUN Yong-quan,GUO Jian-ying,CHEN Hong-ke,et al.An Improved Reliability Growth Prediction Algorithm Based on AMSAA Model[J].哈尔滨理工大学学报,2010,(04):49.
[2]滕志军,李晓霞,郑权龙,等.矿井巷道的MIMO信道几何模型及其信道容量分析[J].哈尔滨理工大学学报,2012,(02):14.
 TENG Zhi-jun,LI Xiao-xia,ZHENG Quan-long.Geometric Model for Mine MIMO Channels and Its Capacity Analysis[J].哈尔滨理工大学学报,2012,(04):14.
[3]李艳苹,张礼勇.新训练序列下的改进OFDM符号定时算法[J].哈尔滨理工大学学报,2012,(02):19.
 LI Yan-ping,ZHANG Li-yong.An Improved Algorithm of OFDM Symbol Timing Based on A New Training Sequence[J].哈尔滨理工大学学报,2012,(04):19.
[4]赵彦玲,车春雨,铉佳平,等.钢球全表面螺旋线展开机构运动特性分析[J].哈尔滨理工大学学报,2013,(01):37.
 ZHAO Yan-ling,CHE Chun-yu,XUAN Jia-ping,et al.[J].哈尔滨理工大学学报,2013,(04):37.
[5]李冬梅,卢旸,刘伟华,等.一类具有连续接种的自治SEIR传染病模型[J].哈尔滨理工大学学报,2013,(01):73.
 LI Dong-mei,LU Yang,LIU Wei-hua.[J].哈尔滨理工大学学报,2013,(04):73.
[6]华秀英,刘文德.奇Hamiltonian李超代数偶部的非负Z-齐次导子空间[J].哈尔滨理工大学学报,2013,(01):76.
 HUA Xiu-ying,LIU Wen-de.[J].哈尔滨理工大学学报,2013,(04):76.
[7]桂存兵,刘洋,何业军,等.基于LCC谐振电路阻抗匹配的光伏发电最大功率点跟踪[J].哈尔滨理工大学学报,2013,(01):90.
 GUI Cun-bing,LIU Yong,HE Ye-jun.[J].哈尔滨理工大学学报,2013,(04):90.
[8]翁凌,闫利文,夏乾善,等.PI/TiC@Al2O3复合薄膜的制备及其电性能研究[J].哈尔滨理工大学学报,2013,(02):25.
 WENG Ling,YAN Li-wen,XIA Qian-shan.[J].哈尔滨理工大学学报,2013,(04):25.
[9]姜彬,林爱琴,王松涛,等.高速铣刀安全性设计理论与方法[J].哈尔滨理工大学学报,2013,(02):63.
 JIANG Bin,LIN Ai-qin,WANG Song-tao,et al.[J].哈尔滨理工大学学报,2013,(04):63.
[10]李星纬,李晓东,张颖彧,等.EVOH 磺酸锂电池隔膜的制备及微观形貌[J].哈尔滨理工大学学报,2013,(05):18.
 LI Xing- wei,LI Xiao- dong,ZHANG Ying- yu,et al.The Preparation and Microcosmic Morphology oEVOH- SO Li Lithium Ion Battery Septum[J].哈尔滨理工大学学报,2013,(04):18.

备注/Memo

备注/Memo:
 收稿日期: 2017-05-13
基金项目:
国家自然科学基金(61601149);黑龙江省自然科学基金(QC2017074)
作者简介:
李晓琴(1993—),女,硕士研究生;
陈洪恒(1993—),男,硕士研究生
通信作者:
刘明珠(1973—),女,副教授,E-mail:lmz@hrbust.edu.cn
更新日期/Last Update: 2019-09-04