基于核相关分析算法的情感识别模型
Emotion Recognition Model Based on Kernel Correlation Analysis Algorithm
查看参考文献15篇
|
文摘
|
针对目前情感识别模型中存在的识别精度低、速度慢等问题,设计一种基于核相关分析算法的情感识别模型.首先对目前情感识别的研究现状进行分析,找出导致识别精度低的原因;然后提取情感识别的特征,并通过核相关分析算法选择最优情感识别的特征子集,减少情感识别的特征向量数;最后选择高斯混合模型对情感识别的训练集进行建模,并通过具体情感数据集进行仿真实验.实验结果表明,核相关分析算法可有效去除情感识别的不利特征,加快了情感识别速度,提高了情感识别的正确率. |
|
其他语种文摘
|
In view of the problems of low recognition accuracy and slow speed in current emotion recognition model,we designed an emotion recognition model based on kernel correlation analysis algorithm.Firstly,the current research status of emotion recognition was analyzed,and the causes of low recognition accuracy were found out.Secondly,the characteristics of emotion recognition was extracted,and the feature subset of emotion recognition was selected by kernel correlation analysis algorithm to reduce the number of feature vectors of emotion recognition.Finally,the Gauss mixture model was used to model the training set of emotion recognition,and the simulation experiments were carried out by the specific emotional data set.The experimental results show that the kernel correlation analysis algorithm can effectively remove the disadvantageous features of emotion recognition,accelerate the speed of emotion recognition,and improve the accuracy of emotion recognition. |
|
来源
|
吉林大学学报. 理学版
,2017,55(6):1539-1544 【核心库】
|
|
DOI
|
10.13413/j.cnki.jdxblxb.2017.06.35
|
|
关键词
|
人工智能
;
人机交互
;
情感识别
;
核相关分析
;
特征子集
|
|
地址
|
1.
中国科学院心理研究所, 北京, 100101
2.
中国科学院大学人文学院, 北京, 100049
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1671-5489 |
|
学科
|
自动化技术、计算机技术 |
|
基金
|
国家自然科学基金
|
|
文献收藏号
|
CSCD:6113457
|
参考文献 共
15
共1页
|
|
1.
韩文静. 语音情感识别研究进展综述.
软件学报,2014,25(1):37-50
|
被引
54
次
|
|
|
|
|
2.
Koolagudi S G. Emotion Recognition from Speech:A Review.
International Journal of Speech Technology,2012,15(2):99-117
|
被引
7
次
|
|
|
|
|
3.
Ramakrishnan S. Speech Emotion Recognition Approaches in Human Computer Interaction.
Telecommunication Systems,2013,52(3):1467-1478
|
被引
11
次
|
|
|
|
|
4.
张石清. 人机交互中的语音情感识别研究进展.
电路与系统学报,2013,18(2):440-451
|
被引
9
次
|
|
|
|
|
5.
刘妍秀. 基于归一化算法的噪音鲁棒性连续语音识别.
吉林大学学报(理学版),2015,53(3):519-523
|
被引
1
次
|
|
|
|
|
6.
陶华伟. 面向语音情感识别的Gabor分块局部二值模式特征.
信号处理,2016,32(5):505-510
|
被引
4
次
|
|
|
|
|
7.
陈俊. 基于类依赖的语音情感特征选择.
微电子学与计算机,2016,33(8):92-96
|
被引
2
次
|
|
|
|
|
8.
张昕然. 用于跨库语音情感识别的DBN特征融合方法.
信号处理,2017,33(5):649-650
|
被引
5
次
|
|
|
|
|
9.
李书玲. 基于改进型SVM算法的语音情感识别.
计算机应用,2013,33(7):1938-1941
|
被引
10
次
|
|
|
|
|
10.
Zhang T. A Deep Neural Network Driven Feature Learning Method for Multi-view Facial Expression Recognition.
IEEE Transactions on Multimedia,2016,7(3):593-596
|
被引
2
次
|
|
|
|
|
11.
徐照松. 基于BP神经网络的语音情感识别研究.
软件导刊,2014,13(4):11-13
|
被引
2
次
|
|
|
|
|
12.
陶勇森. 融合信息增益与和声搜索的语音情感特征选择.
小型微型计算机系统,2017,38(5):1164-1168
|
被引
3
次
|
|
|
|
|
13.
赵涓涓. 基于决策树和改进SVM混合模型的语音情感识别.
北京理工大学学报,2017,37(4):386-391
|
被引
4
次
|
|
|
|
|
14.
姜晓庆. 使用二次特征选择及核融合的语音情感识别.
计算机工程与应用,2017,53(3):7-11
|
被引
2
次
|
|
|
|
|
15.
黄程韦. 实用语音情感数据库的设计与研究.
声学技术,2010,22(4):396-399
|
被引
6
次
|
|
|
|
|
了解气象卫星更多信息，请访问