基于LDA+kernel-KNNFLC的语音情感识别方法

摘要：

结合K近邻、核学习方法、特征线重心法和LDA算法,提出了用于情感识别的LDA+ kernel-KNNFLC方法.首先针对先验样本特征造成的计算量庞大问题,采用重心准则学习样本距离,改进了核学习的K近邻方法;然后加入LDA对情感特征向量进行优化,在避免维度冗余的情况下,更好地保证了情感信息识别的稳定性.最后,通过对特征空间再学习,结合LDA的kernel-KNNFLC方法优化了情感特征向量的类间区分度,适合于语音情感识别.对包含120维全局统计特征的语音情感数据库进行仿真实验,对降维方案、情感分类器和维度参数进行了多组对比分析.结果表明,LDA+ kernel-KNNFLC方法在同等条件下性能提升效果最显著.

关键词：语音情感识别、K近邻、核学习、特征重心线、线性判别分析

所属期刊栏目：45

分类号：TP391.42(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61273266,61231002,61375028;教育部博士点专项基金资助项目20110092130004

在线出版日期：2015-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：5-11