在实际语音情感识别系统中,训练语音和测试语音往往来自不同的语料库,识别率下降显著。针对这一问题,该文提出一种有效的基于特征迁移学习的跨库语音情感识别方法。引入最大均值差异（maximum mean discrepancy,MMD）来描述不同数据库...在实际语音情感识别系统中,训练语音和测试语音往往来自不同的语料库,识别率下降显著。针对这一问题,该文提出一种有效的基于特征迁移学习的跨库语音情感识别方法。引入最大均值差异（maximum mean discrepancy,MMD）来描述不同数据库情感特征分布之间的相似度,并通过最大均值差异嵌入（maximum mean discrepancy embedding,MMDE）算法及特征降维算法来寻找二者之间的邻近低维特征空间,并在此低维空间中训练得到情感分类器用于情感识别。同时为了更好地保证情感信息的类别区分度,进一步引入半监督判别分析（semi-supervised discriminant analysis,SDA）方法用于特征降维。最后在2个经典语音情感数据库上对提出的方法进行实验评价,实验结果表明：提出的方法可以有效提高跨库条件下的语音情感识别率。展开更多
文摘在实际语音情感识别系统中,训练语音和测试语音往往来自不同的语料库,识别率下降显著。针对这一问题,该文提出一种有效的基于特征迁移学习的跨库语音情感识别方法。引入最大均值差异（maximum mean discrepancy,MMD）来描述不同数据库情感特征分布之间的相似度,并通过最大均值差异嵌入（maximum mean discrepancy embedding,MMDE）算法及特征降维算法来寻找二者之间的邻近低维特征空间,并在此低维空间中训练得到情感分类器用于情感识别。同时为了更好地保证情感信息的类别区分度,进一步引入半监督判别分析（semi-supervised discriminant analysis,SDA）方法用于特征降维。最后在2个经典语音情感数据库上对提出的方法进行实验评价,实验结果表明：提出的方法可以有效提高跨库条件下的语音情感识别率。
