| 薄洪健,马琳,孔祥浩,李海峰.基于卷积神经网络学习的语音情感特征降维方法研究[J].高技术通讯(中文),2017,27(11-12):889~898 |
| 基于卷积神经网络学习的语音情感特征降维方法研究 |
|
| |
| DOI： |
| 中文关键词: 模式识别， 语音情感， 卷积神经网络(CNN)， 特征优选准则， 特征降维 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 2824 |
| 全文下载次数: 2259 |
| 中文摘要: |
| 针对语音信号认知中需要对语音情感快速精准的解析问题，提出了一种基于卷积神经网络(CNN)学习的特征降维方法。在原始语音情感数据提取大量特征的基础上，通过对不同维度特征进行归正获得其相应的特征矩阵。应用CNN对特征矩阵进行学习，对收敛后的CNN网络全连接层的权值进行分析，根据网络学习特性定义基于CNN的特征筛选准则（FR CNN），即通过对比每类特征激活权值的不同，计算选择出最有利于分类的特征，得到降维高效的语音情感认知特征集F。在中国科学院自动化研究所提供的多模态情感数据库CHEAVD上，提取全部8类情感数据进行了实验测试，使用全体特征集构建的CNN分类器的类平均识别错误率相比基线减少了2.1%，而本文方法得到的降维后特征集F通过相同的CNN分类器的类平均错误率相比基线减少了9.4%。在对大量特征进行降维筛选的基础上，仅使用原特征集15%的特征，不仅有效增加了分类器的收敛速度，还使得识别错误率有所减小，同时在构筑实际语音情感识别系统时能够减少系统的复杂程度。本研究综合了数据的不同类型的特征信息，采用CNN网络学习特性进行特征二次优选与降维，为语音情感的特征提取问题提供了一个新的思路。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
