基于KPCA和模糊核Fisher判别的语音情感识别

摘要：

针对语音情感识别率不高和实时性差的问题,提出一种基于KPCA核主成分空间的模糊KFD算法,应用于语音情感识别.首先采用KPCA对语音情感特征向量降维去噪,根据转换矩阵得到核主成分空间,然后在该特征空间利用模糊C均值聚类计算语音特征向量的隶属度,进而对LDA算法中的类间离散度和类内离散度重新定义,生成模糊KFD分类器进行语音情感识别.仿真实验结果表明,提出的方法相比于传统SVM和核Fisher判别算法具有较高的识别率和良好的抗噪性能,是一种行之有效的语音情感识别新方法.

关键词：语音情感识别、模糊核Fisher判别、核主成分分析、模糊C均值聚类

所属期刊栏目：30

分类号：TP391(计算技术、计算机技术)

资助基金：甘肃省教育厅基金项目1113-01

在线出版日期：2013-03-13（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：62-68