一种改进的FSVM 语音情感识别算法.pdfVIP

第 卷 第 期 重庆科技学院学报（ 自然科学版） 年 月 14 5 2012 10 一种改进的FSVM 语音情感识别算法 邢玉娟 李恒杰 张成文 （甘肃联合大学， 兰州 730000 ） 摘 要：针对语音特征参数对某类情感具有不确定性的问题，提出一种基于典型相关性分析的改进模糊支持向量机 算法，应用于语音情感识别。 采用典型相关性分析方法对特征向量进行降维，得到样本的约简向量集，在此约简向量 集上建立模糊支持向量机模型判定情感类型。 仿真实验结果表明，该方法相比于传统支持向量机法和模糊支持向量 机法具有较高的识别准确率。 关键词：典型相关性分析； 模糊支持向量机； 语音情感识别； 支持向量机 中图分类号： 文献标示码： 文章编号： TP391 A 1673-1980(2012)05-0140-03 语音是人类的重要交流方式，在人类的语音信 且包含大量的对情感识别没有贡献的噪音信息，采 号中不仅包含了语义信息，同时也包含了人类丰富 用这样的高维特征向量训练 FSVM ， 势必会导致 ［ ］ 的情感信息（如喜悦、悲伤、愤怒、惊讶等） 1 。 如何让 FSVM 训练速度慢。 因此本文提出一种基于典型相 智能计算机具有语音情感识别和表达能力，是当前 关性分析(canonical correlation analysis ，CCA) 的改进 智能化人机交互领域研究的热点，在自然人机交互、 的FSVM 算法。 通过CCA 对样本进行降维，减小样 多媒体分段与检索、安全系统自动监管等方面有着 本的规模，进而降低后续阶段的计算复杂度，有助于 广泛的应用前景。 FSVM 模型的建立。 传统的支持向量机法，以其出色的分类性能在 1 典型相关性分析 语音情感识别领域获得了成功的应用。 然而， SVM 是基于二元分类的，当将其应用于语音情感识别中 典型相关性分析的核心思想是通过研究两组随 时，需要构造多元分类器，常用一对多组合分类和一 机向量之间相关关系， 根据判别准则寻找向量的典 对一组合分类的方法。 然而在构造多元分类器的过 型投影方向， 使得在该投影方向上两组向量间的相 ［ ］ 程中，存在一些不可分区域。 为了解决这个问题，文 4 关性最大 。 献 ［2 ］ 中提出了模糊支持向量机的方法（Fuzzy 假设x ∈Rp 和y ∈Rq 是两组语音特征向量，根 Support Vector Machine, FSVM ），通过对每一类样本