基于级联投影高斯混合模型的语音与心电情绪识别

提出了一种基于级联投影的高斯混合模型算法。首先，针对不同的特征维度计算高斯混合模型的边缘概率，依据边缘概率模型构造出多个子分类器，每个子分类器包含不同的特征组合。采用级联结构的框架对子分类器进行动态融合，从而获得对样本的自适应能力。其次，在心电情感信号和语音情感信号上验证了算法的有效性，通过实验诱发手段，采集了烦躁、喜悦、悲伤等情感数据。最后，探讨了情感特征参数（心率变异性、心电混沌特征，语句级静态特征等）的提取方法。研究了情感特征的降维方法，包括主分量分析、顺序特征选择、Fisher 区分度和最大信息系数等方法。实验结果显示，所提算法能够在2种不同的场景中有效地提高情感识别的准确率。...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	东南大学学报：英文版 2015, Vol.31 (3), p.320-326
1. Verfasser:	黄程韦吴迪张晓俊肖仲喆许宜申季晶晶陶智赵力
Format:	Artikel
Sprache:	eng
Schlagworte:	情绪识别情绪诱发样本自适应高斯混合模型
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

container_end_page	326
container_issue	3
container_start_page	320
container_title	东南大学学报：英文版
container_volume	31
creator	黄程韦吴迪张晓俊肖仲喆许宜申季晶晶陶智赵力
description	提出了一种基于级联投影的高斯混合模型算法。首先，针对不同的特征维度计算高斯混合模型的边缘概率，依据边缘概率模型构造出多个子分类器，每个子分类器包含不同的特征组合。采用级联结构的框架对子分类器进行动态融合，从而获得对样本的自适应能力。其次，在心电情感信号和语音情感信号上验证了算法的有效性，通过实验诱发手段，采集了烦躁、喜悦、悲伤等情感数据。最后，探讨了情感特征参数（心率变异性、心电混沌特征，语句级静态特征等）的提取方法。研究了情感特征的降维方法，包括主分量分析、顺序特征选择、Fisher 区分度和最大信息系数等方法。实验结果显示，所提算法能够在2种不同的场景中有效地提高情感识别的准确率。
format	Article
fullrecord	<record><control><sourceid>chongqing</sourceid><recordid>TN_cdi_chongqing_primary_666218428</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>666218428</cqvip_id><sourcerecordid>666218428</sourcerecordid><originalsourceid>FETCH-chongqing_primary_6662184283</originalsourceid><addsrcrecordid>eNpjYeA0NDAw1jW3tDDlYOAqLs4yMDAxMDYx42Rwejp_15Ndfc93LX_ROOVZ19Sneze-XD3j2bT1z7Zvfzqh49mKhU_ndT-f1fJi_dqX8zc_2dH3dH_z8ylbnzW3Pt-96sX6tqcdq3kYWNMSc4pTeaE0N4OSm2uIs4duckZ-XnphZl56fEFRZm5iUWW8mZmZkaGFiZGFMVGKAM9NTyc</addsrcrecordid><sourcetype>Publisher</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于级联投影高斯混合模型的语音与心电情绪识别</title><source>Alma/SFX Local Collection</source><creator>黄程韦吴迪张晓俊肖仲喆许宜申季晶晶陶智赵力</creator><creatorcontrib>黄程韦吴迪张晓俊肖仲喆许宜申季晶晶陶智赵力</creatorcontrib><description>提出了一种基于级联投影的高斯混合模型算法。首先，针对不同的特征维度计算高斯混合模型的边缘概率，依据边缘概率模型构造出多个子分类器，每个子分类器包含不同的特征组合。采用级联结构的框架对子分类器进行动态融合，从而获得对样本的自适应能力。其次，在心电情感信号和语音情感信号上验证了算法的有效性，通过实验诱发手段，采集了烦躁、喜悦、悲伤等情感数据。最后，探讨了情感特征参数（心率变异性、心电混沌特征，语句级静态特征等）的提取方法。研究了情感特征的降维方法，包括主分量分析、顺序特征选择、Fisher 区分度和最大信息系数等方法。实验结果显示，所提算法能够在2种不同的场景中有效地提高情感识别的准确率。</description><identifier>ISSN: 1003-7985</identifier><language>eng</language><subject>情绪识别 ; 情绪诱发 ; 样本自适应 ; 高斯混合模型</subject><ispartof>东南大学学报：英文版, 2015, Vol.31 (3), p.320-326</ispartof><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/85321X/85321X.jpg</thumbnail><link.rule.ids>314,776,780,4010</link.rule.ids></links><search><creatorcontrib>黄程韦吴迪张晓俊肖仲喆许宜申季晶晶陶智赵力</creatorcontrib><title>基于级联投影高斯混合模型的语音与心电情绪识别</title><title>东南大学学报：英文版</title><addtitle>Journal of Southeast University（English Edition）</addtitle><description>提出了一种基于级联投影的高斯混合模型算法。首先，针对不同的特征维度计算高斯混合模型的边缘概率，依据边缘概率模型构造出多个子分类器，每个子分类器包含不同的特征组合。采用级联结构的框架对子分类器进行动态融合，从而获得对样本的自适应能力。其次，在心电情感信号和语音情感信号上验证了算法的有效性，通过实验诱发手段，采集了烦躁、喜悦、悲伤等情感数据。最后，探讨了情感特征参数（心率变异性、心电混沌特征，语句级静态特征等）的提取方法。研究了情感特征的降维方法，包括主分量分析、顺序特征选择、Fisher 区分度和最大信息系数等方法。实验结果显示，所提算法能够在2种不同的场景中有效地提高情感识别的准确率。</description><subject>情绪识别</subject><subject>情绪诱发</subject><subject>样本自适应</subject><subject>高斯混合模型</subject><issn>1003-7985</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2015</creationdate><recordtype>article</recordtype><recordid>eNpjYeA0NDAw1jW3tDDlYOAqLs4yMDAxMDYx42Rwejp_15Ndfc93LX_ROOVZ19Sneze-XD3j2bT1z7Zvfzqh49mKhU_ndT-f1fJi_dqX8zc_2dH3dH_z8ylbnzW3Pt-96sX6tqcdq3kYWNMSc4pTeaE0N4OSm2uIs4duckZ-XnphZl56fEFRZm5iUWW8mZmZkaGFiZGFMVGKAM9NTyc</recordid><startdate>2015</startdate><enddate>2015</enddate><creator>黄程韦吴迪张晓俊肖仲喆许宜申季晶晶陶智赵力</creator><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>~WA</scope></search><sort><creationdate>2015</creationdate><title>基于级联投影高斯混合模型的语音与心电情绪识别</title><author>黄程韦吴迪张晓俊肖仲喆许宜申季晶晶陶智赵力</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-chongqing_primary_6662184283</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>eng</language><creationdate>2015</creationdate><topic>情绪识别</topic><topic>情绪诱发</topic><topic>样本自适应</topic><topic>高斯混合模型</topic><toplevel>online_resources</toplevel><creatorcontrib>黄程韦吴迪张晓俊肖仲喆许宜申季晶晶陶智赵力</creatorcontrib><collection>中文科技期刊数据库</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>中文科技期刊数据库-7.0平台</collection><collection>中文科技期刊数据库- 镜像站点</collection><jtitle>东南大学学报：英文版</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>黄程韦吴迪张晓俊肖仲喆许宜申季晶晶陶智赵力</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于级联投影高斯混合模型的语音与心电情绪识别</atitle><jtitle>东南大学学报：英文版</jtitle><addtitle>Journal of Southeast University（English Edition）</addtitle><date>2015</date><risdate>2015</risdate><volume>31</volume><issue>3</issue><spage>320</spage><epage>326</epage><pages>320-326</pages><issn>1003-7985</issn><abstract>提出了一种基于级联投影的高斯混合模型算法。首先，针对不同的特征维度计算高斯混合模型的边缘概率，依据边缘概率模型构造出多个子分类器，每个子分类器包含不同的特征组合。采用级联结构的框架对子分类器进行动态融合，从而获得对样本的自适应能力。其次，在心电情感信号和语音情感信号上验证了算法的有效性，通过实验诱发手段，采集了烦躁、喜悦、悲伤等情感数据。最后，探讨了情感特征参数（心率变异性、心电混沌特征，语句级静态特征等）的提取方法。研究了情感特征的降维方法，包括主分量分析、顺序特征选择、Fisher 区分度和最大信息系数等方法。实验结果显示，所提算法能够在2种不同的场景中有效地提高情感识别的准确率。</abstract></addata></record>
fulltext	fulltext
identifier	ISSN: 1003-7985
ispartof	东南大学学报：英文版, 2015, Vol.31 (3), p.320-326
issn	1003-7985
language	eng
recordid	cdi_chongqing_primary_666218428
source	Alma/SFX Local Collection
subjects	情绪识别情绪诱发样本自适应高斯混合模型
title	基于级联投影高斯混合模型的语音与心电情绪识别
url	https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-06T05%3A20%3A27IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-chongqing&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E7%BA%A7%E8%81%94%E6%8A%95%E5%BD%B1%E9%AB%98%E6%96%AF%E6%B7%B7%E5%90%88%E6%A8%A1%E5%9E%8B%E7%9A%84%E8%AF%AD%E9%9F%B3%E4%B8%8E%E5%BF%83%E7%94%B5%E6%83%85%E7%BB%AA%E8%AF%86%E5%88%AB&rft.jtitle=%E4%B8%9C%E5%8D%97%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5%EF%BC%9A%E8%8B%B1%E6%96%87%E7%89%88&rft.au=%E9%BB%84%E7%A8%8B%E9%9F%A6%20%E5%90%B4%E8%BF%AA%20%E5%BC%A0%E6%99%93%E4%BF%8A%20%E8%82%96%E4%BB%B2%E5%96%86%20%E8%AE%B8%E5%AE%9C%E7%94%B3%20%E5%AD%A3%E6%99%B6%E6%99%B6%20%E9%99%B6%E6%99%BA%20%E8%B5%B5%E5%8A%9B&rft.date=2015&rft.volume=31&rft.issue=3&rft.spage=320&rft.epage=326&rft.pages=320-326&rft.issn=1003-7985&rft_id=info:doi/&rft_dat=%3Cchongqing%3E666218428%3C/chongqing%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=666218428&rfr_iscdi=true