[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]张新闻,周春燕,李学生,等.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,(03):50.
 ZHANG Xin-wen,ZHOU Chun-yan,LI Xue-sheng.Recognition of Power Quality Disturbances Based on Support Vector Machine with Optimal Kernel-parameter[J].哈尔滨理工大学学报,2011,(04):50.
[2]孙永倩,王培东.基于支持向量机的并行CT图像分割方法[J].哈尔滨理工大学学报,2013,(03):42.
 SUN Yong-qian,WANG Pei-dong.[J].哈尔滨理工大学学报,2013,(04):42.
[3]黄英来,孙晓芳,刘镇波,等.微博转发预测算法评测系统的建立及性能比较[J].哈尔滨理工大学学报,2013,(04):52.
[4]李岩,杜永斌,宋海丰,等.ECT系统轮换对称svM图像重建改进算法[J].哈尔滨理工大学学报,2015,(03):40.[doi:10.15938/j.jhust.2015.03.008]
 LI Yan .DU Yong-bin .SONG Hai-fence.MAN Zhi-qian}.REN Xiang-h ua.Improved Method of Electrical Capacitance Tomography Based onSVM Algorithm of Cyclic Symmetrical Partition[J].哈尔滨理工大学学报,2015,(04):40.[doi:10.15938/j.jhust.2015.03.008]
[5]柳长源,张付浩,韦琦. 基于脑电信号的癫痫疾病智能诊断与研究[J].哈尔滨理工大学学报,2018,(03):91.[doi:10.15938/j.jhust.2018.03.016]
 LIU Chang-yuan,ZHANG Fu-hao,WEI Qi. Intelligent Diagnosis and Research of Epileptic Diseases Based on EEG Signals[J].哈尔滨理工大学学报,2018,(04):91.[doi:10.15938/j.jhust.2018.03.016]
[6]温雪岩,赵丽影,徐克生,等.改进的MDSMOTE与FC-SVM在不平衡数据集分类中的应用[J].哈尔滨理工大学学报,2018,(04):87.[doi:10.15938/j.jhust.2018.04.016]
 WEN Xue-yan,ZHAO Li-ying,XU Ke-sheng,et al. Application of Improved MDSMOTE and FC-SVM in Imbalanced Data Set Classification[J].哈尔滨理工大学学报,2018,(04):87.[doi:10.15938/j.jhust.2018.04.016]
[7]尹召杰,许同乐,郑店坤. LMD支持向量机电机轴承故障诊断研究[J].哈尔滨理工大学学报,2018,(05):35.[doi:10.15938/j.jhust.2018.05.007]
 YIN Zhao-jie,XU Tong-le,ZHENG Dian-kun. Fault Diagnosis Research on Bearingof Motor Based on LMD And Support Vector Machine[J].哈尔滨理工大学学报,2018,(04):35.[doi:10.15938/j.jhust.2018.05.007]
[8]满春涛,刘博,曹永成. 粒子群与遗传算法优化支持向量机的应用[J].哈尔滨理工大学学报,2019,(03):87.[doi:10.15938/j.jhust.2019.03.014]
 MAN Chun -tao,LIU Bo,CAO Yong -cheng. The Application Based on Support Vector Machine Optimized by Particle Swarm Optimization and Genetic Algorithm[J].哈尔滨理工大学学报,2019,(04):87.[doi:10.15938/j.jhust.2019.03.014]

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