首页> 中文期刊> 《微电子学与计算机》 >基于随机森林分类优化的多特征语音情感识别

基于随机森林分类优化的多特征语音情感识别

         

摘要

语音情感识别是人机交互的研究热点之一.针对传统随机森林模型(RF)中决策树不分优劣具有同样决策权的不合理性,提出一种差分进化加权优化的随机森林分类模型(DERF).RF中样本的选择及每个节点变量的产生都是随机的,因此每次分类结果会有微小波动.为提高系统分类稳定性及识别准确率,集成构建三个相同的DERF分类器,按照多数投票原则确定最终决策结果.实验中融合语音的时域特征、频域特征、听觉语谱图特征及非线性hurst参数特征,分别选取柏林数据库和CASIA中文库中的五种情感进行识别,结果表明,本文所提方法有效提高了系统识别性能.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号