跨庫(kù)語(yǔ)音情感識(shí)別技術(shù)研究
定 價(jià):38 元
- 作者:周鋒,張昕然 著
- 出版時(shí)間:2019/11/1
- ISBN:9787568412230
- 出 版 社:江蘇大學(xué)出版社
- 中圖法分類:B842.6
- 頁(yè)碼:170
- 紙張:膠版紙
- 版次:1
- 開(kāi)本:32開(kāi)
《跨庫(kù)語(yǔ)音情感識(shí)別技術(shù)研究》主要從兩大方面對(duì)跨數(shù)據(jù)庫(kù)的語(yǔ)音情感識(shí)別技術(shù)進(jìn)行了研究:(1)從識(shí)別模型本身的角度出發(fā),提出和改進(jìn)一些方法來(lái)適應(yīng)多數(shù)據(jù)庫(kù)來(lái)源引起的樣本空間失衡問(wèn)題,進(jìn)而提高SER系統(tǒng)的魯棒性;(2)從特征的角度考慮,尋找新的特征類型來(lái)補(bǔ)充原有的特征空間,并將現(xiàn)有的特征進(jìn)行優(yōu)選和融合,提升它們?cè)诳鐢?shù)據(jù)庫(kù)任務(wù)中的有效性。
第1章 緒論
1.1 研究背景與意義
1.1.1 語(yǔ)音情感的聲學(xué)意義
1.1.2 情感計(jì)算
1.1.3 實(shí)際應(yīng)用
1.1.4 語(yǔ)音情感識(shí)別的研究現(xiàn)狀
1.2 跨數(shù)據(jù)庫(kù)語(yǔ)音情感識(shí)別技術(shù)
1.2.1 發(fā)展歷史
1.2.2 研究現(xiàn)狀和存在的問(wèn)題
1.3 研究的主要工作
1.4 章節(jié)安排
第2章 數(shù)據(jù)庫(kù)和特征分析
2.1 語(yǔ)音情感數(shù)據(jù)庫(kù)
2.1.1 國(guó)外語(yǔ)料庫(kù)
2.1.2 國(guó)內(nèi)語(yǔ)料庫(kù)
2.1.3 本書(shū)使用的數(shù)據(jù)庫(kù)情況
2.1.4 跨庫(kù)情感類別劃分規(guī)則的制訂
2.2 特征分析
2.2.1 聲學(xué)特征
2.2.2 底層聲學(xué)描述符
2.2.3 語(yǔ)譜圖特征
2.3 性能評(píng)價(jià)標(biāo)準(zhǔn)討論
第3章 基于無(wú)限t分布的混合魯棒模型
3.1 引言
3.2 基于統(tǒng)計(jì)模型的特征選擇方案
3.3 iSMM特征優(yōu)選模型
3.3.1 學(xué)生t分布特征選擇
3.3.2 特征概率分布建模
3.3.3 判決函數(shù)評(píng)估
3.3.4 高維特征空間分析
3.4 實(shí)驗(yàn)結(jié)果
3.4.1 實(shí)驗(yàn)設(shè)置
3.4.2 表演型語(yǔ)料庫(kù)實(shí)驗(yàn)
3.4.3 自發(fā)型語(yǔ)料庫(kù)實(shí)驗(yàn)
3.4.4 多數(shù)據(jù)庫(kù)綜合實(shí)驗(yàn)分析
3.5 本章小結(jié)
第4章 改進(jìn)的LDA核K近鄰分類方法
4.1 引言
4.2 結(jié)合LDA的核K近鄰分類方法
4.2.1 基于核學(xué)習(xí)的KNN算法
4.2.2 恃征線重心法的改進(jìn)
4.2.3 線性判別分析的改進(jìn)
4.3 實(shí)驗(yàn)結(jié)果分析
4.3.1 幾種KNN分類器對(duì)比實(shí)驗(yàn)
4.3.2 兩種降維方案的情感識(shí)別實(shí)驗(yàn)
4.3.3 與常用分類方法對(duì)比實(shí)驗(yàn)
4.3.4 分類方案參數(shù)實(shí)驗(yàn)分析
4.4 本章小結(jié)
第5章 改進(jìn)的聽(tīng)覺(jué)注意模型語(yǔ)譜圖特征提取
5.1 引言
5.2 基于聽(tīng)覺(jué)注意的語(yǔ)譜圖情感特征提取
5.2.1 語(yǔ)譜圖特征的語(yǔ)音情感識(shí)別
5.2.2 基于時(shí)頻原子的改進(jìn)
5.2.3 聽(tīng)覺(jué)注意圖譜特征提取
5.3 仿真實(shí)驗(yàn)
5.3.1 跨庫(kù)實(shí)驗(yàn)設(shè)置
5.3.2 實(shí)驗(yàn)結(jié)果和分析
5.4 本章小結(jié)
第6章 基于深度信念網(wǎng)絡(luò)的特征融合
6.1 引言
6.2 選擇注意機(jī)制的語(yǔ)譜圖特征提取
6.2.1 提取語(yǔ)譜圖
6.2.2 高斯金字塔分解
6.2.3 獲取特征圖并重構(gòu)特征矩陣
6.3 深度信念網(wǎng)絡(luò)模型
6.3.1 受限玻爾茲曼機(jī)
6.3.2 基于對(duì)比散度的快速學(xué)習(xí)算法
6.3.3 DBN21與DBN22模型
6.4 跨庫(kù)實(shí)驗(yàn)結(jié)果與分析
6.4.1 實(shí)驗(yàn)準(zhǔn)備
6.4.2 語(yǔ)譜圖特征跨庫(kù)實(shí)驗(yàn)
6.4.3 傳統(tǒng)聲學(xué)特征跨庫(kù)實(shí)驗(yàn)
6.4.4 融合特征跨庫(kù)實(shí)驗(yàn)
6.5 本章小結(jié)
第7章 跨語(yǔ)言的多說(shuō)話人特征自適應(yīng)
7.1 引言
7.2 特征分析
7.2.1 增強(qiáng)
7.2.2 自適應(yīng)規(guī)整化語(yǔ)譜圖特征
7.3 特征自適應(yīng)方法
7.3.1 說(shuō)話人加性方差模型
7.3.2 基于GMM的加性模型
7.3.3 學(xué)生t分布對(duì)差異特征空間的建模
7.4 .情感分類器模型
7.4.1 核K近鄰情感分類器
7.4.2 SVM情感分類器
7.5 跨語(yǔ)言語(yǔ)音情感識(shí)別實(shí)驗(yàn)
7.5.1 數(shù)據(jù)庫(kù)設(shè)置
7.5.2 說(shuō)話人自適應(yīng)實(shí)驗(yàn)
7.5.3 在線特征自適應(yīng)實(shí)驗(yàn)
7.5.4 譜特征對(duì)比實(shí)驗(yàn)
7.6 本章小結(jié)
第8章 總結(jié)與展望
8.1 工作總結(jié)
8.2 后續(xù)工作與展望
參考文獻(xiàn)