為了克服單模態(tài)普通話情感識(shí)別效率低、可靠性差的問(wèn)題,對(duì)情感識(shí)別非常重要的語(yǔ)音、表情與姿態(tài)三個(gè)模態(tài)進(jìn)行特征層融合,提出普通話三模態(tài)情感識(shí)別方法。首先從語(yǔ)音聲學(xué)、面部表情和運(yùn)動(dòng)姿態(tài)中分別提取不同的情感特征,然后采用改進(jìn)的遺傳算法IAGA進(jìn)行三模態(tài)情感特征融合,最后利用SVM分類(lèi)器構(gòu)建預(yù)測(cè)模型并完成情感識(shí)別。將三模態(tài)融合方法在CHEAVD中文多模態(tài)情感數(shù)據(jù)集進(jìn)行測(cè)試,并和傳統(tǒng)的單模態(tài)、雙模態(tài)情感識(shí)別進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果表明,雙模態(tài)融合的情感識(shí)別率要高于單模態(tài),三模態(tài)融合的情感識(shí)別率高于雙模態(tài),驗(yàn)證了普通話三模態(tài)情感識(shí)別方法的有效性。 

【文章來(lái)源】：控制工程. 2020,27(11)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]時(shí)空LBP矩和Dempster-Shafer證據(jù)融合的雙模態(tài)情感識(shí)別[J]. 王曉華,侯登永,胡敏,任福繼,王家勇.  光電工程. 2016(12)
[2]基于多級(jí)SVM分類(lèi)的語(yǔ)音情感識(shí)別算法[J]. 任浩,葉亮,李月,沙學(xué)軍.  計(jì)算機(jī)應(yīng)用研究. 2017(06)
[3]表情和姿態(tài)的雙模態(tài)情感識(shí)別[J]. 閆靜杰,鄭文明,辛明海,邱偉.  中國(guó)圖象圖形學(xué)報(bào). 2013(09)
[4]Collaborative Filtering Algorithms Based on Kendall Correlation in Recommender Systems[J]. YAO Yu~ 1 , ZHU Shanfeng~ 2 , CHEN Xinmeng~ 1 1.School of Computer, Wuhan University, Wuhan 430072, Hubei, China; 2.Institute for Chemical Research, Kyoto University, Kyoto 611-0011, Japan.  Wuhan University Journal of Natural Sciences. 2006(05)



本文編號(hào)：3207293