基于語音的負性情感強度模型研究.pdf

1、語音情感識別作為人工智能領域的重要分支，在實現(xiàn)自然和諧的人機交互方面具有重要的研究和應用價值。對語音的情感進行計算，是人機交互中廣為關注的領域，而語音的情感強度模型研究更是其核心研究內容。但由于目前對情感的描述方式存在著較大差別，加之情感本身的社會性和多模態(tài)性，均對語音的情感強度模型研究造成了較大的阻礙。鑒于上述原因，本文首先對情感描述模型以及情感語音識別系統(tǒng)分別進行了詳細介紹。然后重點對語音情感強度模型的訓練及建立進行了詳盡的探究和論

2、述，根據(jù)Plutchik“情感輪”理論對情感強度進行了等級劃分，使用相似度算法來建立情感強度模型，實現(xiàn)對基本負性情感語音的情感強度劃分。最后設計實驗對本文所建立的情感強度模型劃分結果進行識別，平均識別率為90.4％。
　　本研究主要內容包括：⑴對譜聚類算法進行優(yōu)化。以密度敏感的相似度度量，通過對類內數(shù)據(jù)的減小以及類間數(shù)據(jù)的放大，構造相似度矩陣；以Bagging算法，根據(jù)不同的約束條件，選取拉普拉斯矩陣中最優(yōu)的特征向量組合，分別解決

3、了多尺度聚類和特征向量選取的問題，從而實現(xiàn)了譜聚類算法的優(yōu)化。⑵基于優(yōu)化后的譜聚類算法，訓練并建立了三階情感強度模型。以優(yōu)化的譜聚類相似度算法為基礎，以基本負性情感語音為數(shù)據(jù)來源，選取并建立情感特征向量矩陣，對特征矩陣的每一列進行聚類，訓練并建立三階情感強度模型，并使用該模型實現(xiàn)語音的三階情感強度劃分。最后通過支持向量機對劃分結果識別，獲得了90.4%的平均識別率。⑶以基本負性情感語音數(shù)據(jù)為基礎，訓練建立的三階情感強度模型對語音的情感強