10.16208/j.issn1000-7024.2018.11.043
改进的FSVM算法用于非平衡情感数据分类
对于不平衡情感数据集,传统的模糊支持向量机原理上分类不灵敏,支持向量的隶属度值被给予不准确情况,提出一种对样本点赋值的设计方法,并将其用到语音情感识别.引入DEC算法,消除数据不平衡引起的分类超平面偏移的影响,计算从样本点到类中心超平面的距离,考虑样本周围的样本分布设计模糊隶属函数点.突出支持向量对分类超平面的贡献,有效降低噪声和孤立点的影响.实验结果表明,与传统的模糊支持向量机相比,对样本失衡率为4.89的TYUT2.0情感语音数据库的分类性能提高了5.95%,对不平衡率为14.28的CASIA中文情感语料库的分类性能提高了11.57%.
语音情感识别、模糊支持向量机、平衡调节因子、隶属度函数、样本密度
39
TP181(自动化基础理论)
国家自然科学基金项目61371193
2019-01-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
3544-3548