基于Boosting的語音情感識別.pdf

1、情感和情緒在人類生活中起著很重要的作用，是自身生活和社會交往不可缺少的重要組成部分。隨著現(xiàn)代科學(xué)的發(fā)展，對人工智能的要求也越來越高，對情感信息的處理已經(jīng)成為人工智能發(fā)展的一個重要研究方向。本文主要研究了基于Boosting的情感語音識別問題。 本文首先對情感的定義和分類進(jìn)行了介紹，然后對語音情感信息處理領(lǐng)域的現(xiàn)狀和存在的問題進(jìn)行了總結(jié)，了解了語音情感分析處理的研究進(jìn)展和一些研究成果。 接著依次對語音信號的振幅構(gòu)造，時間構(gòu)

2、造，基頻構(gòu)造和共振峰構(gòu)造的特點和分布規(guī)律進(jìn)行了分析。選取了振幅，發(fā)音持續(xù)時間，語速，濁音段時間與清音段時間比值，基音軌跡和共振峰軌跡等作為情感語音的特征參數(shù)。 在模式識別方面，本文首先介紹了Boosting和Hidden Markov Models（HMM）的典型算法，展示了情感語音識別的基本框架。然后具體介紹了利用改進(jìn)后的Adaboost算法進(jìn)行情感語音識別的方法。 Boosting方法是一種試圖提升任意給定學(xué)習(xí)算法

3、精度的普遍方法。其基本思想是通過粗糙的，不太正確的簡單的初級預(yù)測方法按照一定規(guī)則最終得出一個精確度高的復(fù)雜的預(yù)測方法。因其具有適應(yīng)性強(qiáng)，精度高的優(yōu)點，已經(jīng)廣泛應(yīng)用于模式識別的各個領(lǐng)域。Adaboost是Boosting家族的代表算法。本文對Adaboost算法中重要參數(shù)的修改，從而對Adaboost算法進(jìn)行改進(jìn)。本文不僅從理論上證明提出的改進(jìn)后的Adaboost算法能夠達(dá)到更高的準(zhǔn)確率，并且用實驗結(jié)果證明了改進(jìn)后的算法能達(dá)到更高的準(zhǔn)確率