文献类型：期刊文章

作　　者：李田港[1] 叶硕[1] 叶光明[2] 褚钰[1]

LI Tian-gang;YE Shuo;YE Guang-ming;CHU Yu(Wuhan Research Institute of Posts and Telecommunications,Wuhan 430000,China;Wuhan Fiberhome Wisdom Digital Technology Co.,Ltd.,Wuhan 430000,China)

机构地区：[1]武汉邮电科学研究院,湖北武汉430000 [2]武汉烽火众智数字技术有限责任公司,湖北武汉430000

出　　处：《计算机技术与发展》

基　　金：2018年度湖北省技术创新专项重大项目(2018AAA063)。

年　　份：2020

卷　　号：30

期　　号：6

起止页码：82-86

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：语音情感识别是语音识别的热门方向,心理学将情感识别分为离散型和连续型,离散型情感识别常用的声学特征为韵律学特征、基于谱的相关特征、音质特征,识别方法通常有KNN、SVM、HMM等。提出一种基于距离加权的改进KNN算法,引入类平均距离作为加权依据,并设计一种基于集成学习的加权投票算法,将改进KNN、SVM、BPNN分类方法进行集成,提高语音情感识别率。实验表明,改进后的KNN算法相比传统KNN,识别率在不同语种的语料库上均有提升,最大提升为9.6%,且表现结果稳定,准确率与SVM、BPNN大致相当,可用于集成学习;对比单一识别算法,所设计的集成学习算法具有较高可靠性,在生气、高兴、悲伤、惊慌及中性情感上均达到较好的识别效果,实现了离散型语音情感的识别。

关 键 词：语音识别 情感识别 SVM W-KNN  BPNN 集成学习  

分 类 号：TP301.6]