计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2013年
16期
137-141
,共5页
特征选择%F-score%互信息%支持向量机%语音情感识别
特徵選擇%F-score%互信息%支持嚮量機%語音情感識彆
특정선택%F-score%호신식%지지향량궤%어음정감식별
feature selection%F-score%mutual information%Support Vector Machine(SVM)%speech emotion recognition
针对F-score特征选择算法不能揭示特征间互信息而不能有效降维这一问题，应用去相关的方法对F-score进行改进，利用德语情感语音库EMO-DB，在提取语音情感特征的基础上，根据支持向量机（SVM）的分类精度选择出分类效果最佳的特征子集。与F-score特征选择算法对比，改进后的算法实现了候选特征集较大幅度的降维，选择出了有效的特征子集，同时得到了较理想的语音情感识别效果。
針對F-score特徵選擇算法不能揭示特徵間互信息而不能有效降維這一問題，應用去相關的方法對F-score進行改進，利用德語情感語音庫EMO-DB，在提取語音情感特徵的基礎上，根據支持嚮量機（SVM）的分類精度選擇齣分類效果最佳的特徵子集。與F-score特徵選擇算法對比，改進後的算法實現瞭候選特徵集較大幅度的降維，選擇齣瞭有效的特徵子集，同時得到瞭較理想的語音情感識彆效果。
침대F-score특정선택산법불능게시특정간호신식이불능유효강유저일문제，응용거상관적방법대F-score진행개진，이용덕어정감어음고EMO-DB，재제취어음정감특정적기출상，근거지지향량궤（SVM）적분류정도선택출분류효과최가적특정자집。여F-score특정선택산법대비，개진후적산법실현료후선특정집교대폭도적강유，선택출료유효적특정자집，동시득도료교이상적어음정감식별효과。
For the F-score feature selection algorithm can not reveal the mutual information among features, the method of re-moving the redundancy is applied to improve the F-score algorithm. Using the German emotional speech database EMO-DB, based on the extraction of speech emotion features, the paper uses the classification accuracy of SVM to choose the best feature subset. Compared with the F-score method, the improved feature selection algorithm can achieve dimension reduction substan-tially, select an effective feature subset, and obtain an ideal speech emotion recognition accuracy.
