基于深度學(xué)習(xí)的情緒感知系統(tǒng)的研究與設(shè)計(jì).pdf

1、情緒感知就是對人的情緒進(jìn)行識別，是人工智能研究的重要方面。為了提高人機(jī)交互體驗(yàn)，讓機(jī)器更好地理解人的情感，學(xué)術(shù)界從人的聲音，表情，動(dòng)作等方面展開了研究，其中從語音角度進(jìn)行的情緒感知是本文的主要內(nèi)容。
　　深度學(xué)習(xí)是人工智能領(lǐng)域當(dāng)前最熱的領(lǐng)域，在語音識別，圖像識別，自然語言處理方面都取得了顯著的成果。而深度學(xué)習(xí)領(lǐng)域的飛速發(fā)展，也產(chǎn)生了一些比較有效的模型方法，如深度信念網(wǎng)絡(luò) DBN，卷積神經(jīng)網(wǎng)絡(luò) CNN，循環(huán)神經(jīng)網(wǎng)絡(luò)RNN等等，如何利

2、用深度學(xué)習(xí)方法在語音情緒感知方面提高情緒感知的準(zhǔn)確率是一個(gè)新的研究問題。
　　本文正是針對上述問題，以如何應(yīng)用深度學(xué)習(xí)方法提高情緒感知準(zhǔn)確率為研究對象，在對傳統(tǒng)語音情緒感知的研究理論進(jìn)行歸納總結(jié)的基礎(chǔ)上，同時(shí)對深度學(xué)習(xí)領(lǐng)域的各種模型方法進(jìn)行詳盡的理論分析，使用 tensorflow平臺(tái)建立深度學(xué)習(xí)模型并且設(shè)計(jì)基于C/S的iOS移動(dòng)端的語音情緒感知系統(tǒng)。主要工作如下：
　　1.本文研究了情緒感知的傳統(tǒng)方法，分析了傳統(tǒng)情緒識別方

3、法優(yōu)缺點(diǎn)。傳統(tǒng)情緒感知傳統(tǒng)方法主要是使用手工特征提取，人工種類很多，最常用的是 MFCC梅爾倒譜系數(shù)，但從語音識別領(lǐng)域近年來的成果來看，效果不如將音頻轉(zhuǎn)化為語譜圖傳入神經(jīng)網(wǎng)絡(luò)進(jìn)行自動(dòng)特征學(xué)習(xí)得到的訓(xùn)練結(jié)果好，本文在語音情緒感知中也引入了將語音轉(zhuǎn)為語譜圖輸入，進(jìn)行自動(dòng)特征學(xué)習(xí)的方式。
　　2.本文研究分析了深度學(xué)習(xí)的主流模型，分析了當(dāng)前已有文著采用的深度學(xué)習(xí)方法，進(jìn)一步提出 XNN-SVM模型在語音情緒感知領(lǐng)域進(jìn)行應(yīng)用。筆者基于Te