版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、情感計(jì)算是人機(jī)交互領(lǐng)域一個(gè)重要的分支,維度空間情感的研究是情感計(jì)算領(lǐng)域一個(gè)重要的研究方向。人類(lèi)情感的表達(dá)是復(fù)雜的、微妙的,不受簡(jiǎn)單幾個(gè)情感類(lèi)別限制的,維度情感空間可以從理論上涵蓋所有的情感狀態(tài)。情感的變化是連續(xù)的、緩慢的、有規(guī)律的,受上下文影響的,基于此,本文基于Valence-Arousal(V-A)空間語(yǔ)音維度情感預(yù)測(cè)提出了在決策層加入了上下文相關(guān)(Context Dependent,CD)信息輔助預(yù)測(cè),同時(shí)考慮到情感的表達(dá)是多通道
2、的,還加入了人臉表情通道,研究了基于改進(jìn)K近鄰(k-Nearest Neighbor, KNN)算法的多通道維度情感預(yù)測(cè),取得了較好的效果。具體研究?jī)?nèi)容如下:
(1)提出基于改進(jìn)Viterbi算法的上下文相關(guān)連續(xù)語(yǔ)音維度情感預(yù)測(cè)模型。該預(yù)測(cè)模型分為兩層,第一層為使用傳統(tǒng)分類(lèi)效果較好的分類(lèi)器,分別為深度學(xué)習(xí)網(wǎng)絡(luò)(Deep NeuralNetwork,DNN)和隱馬爾科夫模型(Hidden Markov Model,HMM),其獲
3、取的每個(gè)情感級(jí)別分類(lèi)結(jié)果作為下一層的輸入。第二層建立一個(gè)決策層HMM模型,使用提出的改進(jìn)Viterbi算法對(duì)輸入序列解碼,得到上下文相關(guān)的預(yù)測(cè)結(jié)果。分別使用兩種模型實(shí)現(xiàn)兩層上下文相關(guān)的情感預(yù)測(cè):DNN-CD-HMM模型和HMM-CD-HMM模型。實(shí)驗(yàn)結(jié)果表明,加入上下文思想的兩層預(yù)測(cè)方法優(yōu)于沒(méi)有考慮上下文思想的傳統(tǒng)預(yù)測(cè)方法;DNN-CD-HMM模型的預(yù)測(cè)能力優(yōu)于HMM-CD-HMM模型;對(duì)A維度的情感預(yù)測(cè)相比V維度準(zhǔn)確率更高。
4、 (2)提出基于改進(jìn)KNN算法的多模態(tài)連續(xù)維度情感預(yù)測(cè)方法。改進(jìn)的KNN算法作為回歸預(yù)測(cè)器,在訓(xùn)練樣本二次篩選和K近鄰值權(quán)重兩方面進(jìn)行改進(jìn),預(yù)測(cè)連續(xù)輸入的情感序列在V-A空間中的變化情況。一方面實(shí)現(xiàn)單通道特征(語(yǔ)音情感通道、人臉表情通道)預(yù)測(cè),同時(shí)實(shí)現(xiàn)特征融合通道的預(yù)測(cè),兩個(gè)單通道的預(yù)測(cè)結(jié)果進(jìn)行融合實(shí)現(xiàn)模式融合預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明,特征融合預(yù)測(cè)效果優(yōu)于單個(gè)通道預(yù)測(cè),模式融合在預(yù)測(cè)Arousal維度時(shí)性能最優(yōu),預(yù)測(cè)Valence維度時(shí),特征
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于連續(xù)維度型的文本情感強(qiáng)度計(jì)算方法研究
- “V-A住”及相關(guān)問(wèn)題研究.pdf
- “看你V-A de”的褒貶趨向研究.pdf
- 基于維度判別的文本情感聚類(lèi)方法研究.pdf
- 空間負(fù)荷預(yù)測(cè)方法研究.pdf
- “V來(lái)V去”格式的多維度研究.pdf
- 城市空間動(dòng)態(tài)預(yù)測(cè)方法研究.pdf
- 基于多粒度特征融合的維度語(yǔ)音情感識(shí)別方法研究.pdf
- 連續(xù)空間非參函數(shù)逼近方法研究.pdf
- 配電系統(tǒng)空間負(fù)荷預(yù)測(cè)方法研究.pdf
- EEG腦機(jī)接口的連續(xù)預(yù)測(cè)方法研究.pdf
- 連續(xù)流混沌解析預(yù)測(cè)方法的研究.pdf
- 基于語(yǔ)音信號(hào)的維度情感識(shí)別研究.pdf
- 城市功能區(qū)空間負(fù)荷預(yù)測(cè)方法研究.pdf
- 基于貝葉斯最大熵和輔助信息的土壤連續(xù)屬性空間預(yù)測(cè)方法.pdf
- 對(duì)高中數(shù)學(xué)教材的情感維度研究.pdf
- 空間的深層維度探析.pdf
- 基于語(yǔ)音信號(hào)的維度情感識(shí)別研究
- 基于群體智能的微博公眾情感預(yù)測(cè)方法.pdf
- 韓漢空間維度詞對(duì)比研究.pdf
評(píng)論
0/150
提交評(píng)論