基于多核融合和模型参数自适应的非特定人语音情感识别研究的中期报告.docxVIP

基于多核融合和模型参数自适应的非特定人语音情感识别研究的中期报告 本项目旨在研究基于多核融合和模型参数自适应的非特定人语音情感识别技术。在本次中期报告中，我们主要完成了以下工作： 1. 数据集的处理和特征提取 我们使用IEMOCAP数据集进行实验，该数据集包含了非特定人的情感语音数据，主要包括喜悦、悲伤、愤怒和中性四种情感。我们对数据进行了预处理和分割，提取了基于声学的特征，包括MFCC、音调、共振峰等。 2. 多核融合模型的搭建 我们提出了一种基于多核融合的深度学习模型，结合了CNN和LSTM两种神经网络模型，分别对于时间和频率域的特征进行处理。通过多核融合的方法，将两个模型的输出进行融合，得到最终的情感分类结果。 3. 模型参数自适应 我们进一步提出了一种模型参数自适应的方法，通过对模型的训练参数进行随机扰动，从而增强其泛化能力和抗噪声能力。同时，我们还采用了正则化等方法进行模型参数优化。 目前的实验结果表明，我们所提出的方法能够有效提高非特定人语音情感识别的准确率和鲁棒性。我们将在接下来的研究中继续优化模型，验证其在更广泛应用场景下的效果。