连续汉语普通话中基于SVM的说话人情感互相关性算法

• 作 者: 秦宇强 张雪英
• 机 构: 太原理工大学信息工程学院,太原科技大学经济与管理学院,
• 出 处: 系统工程理论与实践
• 发表日期: 2011年S2期
• 关键词: SVM 语音情感识别 支持向量机 结构风险最小化 语音信号 情感支持向量 特征提取 说话人 情感识别 classifier

提出了一种新的基于情感特征提取和借助支持向量机(SVM)分类器(classifier)的情感互相关性算法,并应用于语音情感识别.SVM分类器是利用情感语音信号中互相关性的特征提取进行分类的.利用这种方法对4种情感(愤怒、高兴、悲伤和中立)语音信号进行情感分类.借助SVM分类器的情感互相关性算法,可以大幅提高情感识别率,并且在识别愤怒情感时准确率甚至可以达到95.04%.

A new emotion cross-correlation algorithm based on emotion feature extraction and SVM classifier is proposed and applied to speech emotion recognition.SVM classifier is to use the cross-correlation of emotional speech signal Feature extraction.This method is used to emotionally classify the four kinds of emotions (angry, happy, sad and neutral) speech signals.Using SVM classifier’s emotion cross-correlation algorithm can greatly improve the emotion recognition rate, and in recognition Accuracy when angry feelings can even reach 95.04%.