基于MFCCG-PCA的语音情感识别

北京大学学报（自然科学版）

基于MFCCG-PCA的语音情感识别

陈炜亮,孙晓

合肥工业大学情感计算与先进智能机器实验室, 合肥 230001;

收稿日期:2014-06-30 出版日期:2015-03-20 发布日期:2015-03-20

Mandarin Speech Emotion Recognition Based on MFCCG-PCA

CHEN Weiliang, SUN Xiao

Hefei University of Technology, Laboratory of Affective Computing and Advanced Intelligent Machine, Hefei 230001;

Received:2014-06-30 Online:2015-03-20 Published:2015-03-20

摘要/Abstract

摘要： 针对语音情感值维度大、难处理的问题, 结合MFCC改进算法和PCA模型, 进行二次优化, 提出一种新的语音情感值提取模型MFCCG-PCA。多组实验表明, 相比一般的MFCC模型, MFCCG-PCA模型在语音情感识别方面的性能有较大提高。

关键词: 语音情感, 梅尔频率倒谱系数, 主成分析, MFCCG-PCA, 支持向量机, CASIA汉语情感语料库

Abstract: To solve the problem that the dimension of the speech emotion characteristic value is big and it is difficult to train, a new speech emotion recognition model, MFCCG-PCA, is put forward by the combination of the MFCC model and the PCA model. Multiple sets of experiments show that the MFCCG-PCA model has larger performance improvement than general MFCC model in the aspect of speech emotion recognition.

Key words: speech emotion recognition, MFCC, PCA, MFCCG-PCA, SVM, CASIA

中图分类号:

TP391

陈炜亮,孙晓. 基于MFCCG-PCA的语音情感识别[J]. 北京大学学报（自然科学版）.

CHEN Weiliang,SUN Xiao. Mandarin Speech Emotion Recognition Based on MFCCG-PCA[J]. Acta Scientiarum Naturalium Universitatis Pekinensis.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://xbna.pku.edu.cn/CN/

https://xbna.pku.edu.cn/CN/Y2015/V51/I2/269

[1]	许浩亮, 李雁群, 何云琪, 钱龙华. 中文嵌套命名实体关系抽取研究[J]. 北京大学学报自然科学版, 2019, 55(1): 8-14.
[2]	刘思叶, 田原, 冯雨宁, 庄育龙. 游客微博主题情感分析方法比较研究[J]. 北京大学学报自然科学版, 2018, 54(4): 687-692.
[3]	宋佳颖, 黄旭, 付国宏. 基于词语情感隶属度特征的情感极性分类[J]. 北京大学学报（自然科学版）, 2016, 52(1): 171-177.
[4]	胡韧奋,诸雨辰. 唐诗题材自动分类研究[J]. 北京大学学报（自然科学版）, 2015, 51(2): 262-268.
[5]	吴金勇,赵勇,王一科,袁誉乐,张兴. 基于多粒度感知SVM的复杂场景人车分类方法[J]. 北京大学学报（自然科学版）, 2013, 49(3): 404-408.
[6]	汪廷华,赵东岩,张琼. 多类核极化及其在多宽度RBF核参数选择中的应用[J]. 北京大学学报（自然科学版）, 2012, 48(5): 727-731.
[7]	张西雅,徐海卿,李培军. 运用EO-1 Hyperion数据和单类支持向量机方法提取岩性信息[J]. 北京大学学报（自然科学版）, 2012, 48(3): 411-418.
[8]	尚坤,李培军,程涛. 基于合成核支持向量机的高光谱土地覆盖分类[J]. 北京大学学报（自然科学版）, 2011, 47(1): 109-114.
[9]	庞九凤,李险峰,谢劲松,佟冬,程旭. 基于支持向量机的微体系结构设计空间探索[J]. 北京大学学报（自然科学版）, 2010, 46(1): 55-63.
[10]	孙喜晨,贺仁亚,封举富. 一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)[J]. 北京大学学报（自然科学版）, 2007, 43(1): 82-84.