2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩68頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、情感計(jì)算是人機(jī)交互領(lǐng)域一個(gè)重要的分支,維度空間情感的研究是情感計(jì)算領(lǐng)域一個(gè)重要的研究方向。人類情感的表達(dá)是復(fù)雜的、微妙的,不受簡(jiǎn)單幾個(gè)情感類別限制的,維度情感空間可以從理論上涵蓋所有的情感狀態(tài)。情感的變化是連續(xù)的、緩慢的、有規(guī)律的,受上下文影響的,基于此,本文基于Valence-Arousal(V-A)空間語音維度情感預(yù)測(cè)提出了在決策層加入了上下文相關(guān)(Context Dependent,CD)信息輔助預(yù)測(cè),同時(shí)考慮到情感的表達(dá)是多通道

2、的,還加入了人臉表情通道,研究了基于改進(jìn)K近鄰(k-Nearest Neighbor, KNN)算法的多通道維度情感預(yù)測(cè),取得了較好的效果。具體研究?jī)?nèi)容如下:
  (1)提出基于改進(jìn)Viterbi算法的上下文相關(guān)連續(xù)語音維度情感預(yù)測(cè)模型。該預(yù)測(cè)模型分為兩層,第一層為使用傳統(tǒng)分類效果較好的分類器,分別為深度學(xué)習(xí)網(wǎng)絡(luò)(Deep NeuralNetwork,DNN)和隱馬爾科夫模型(Hidden Markov Model,HMM),其獲

3、取的每個(gè)情感級(jí)別分類結(jié)果作為下一層的輸入。第二層建立一個(gè)決策層HMM模型,使用提出的改進(jìn)Viterbi算法對(duì)輸入序列解碼,得到上下文相關(guān)的預(yù)測(cè)結(jié)果。分別使用兩種模型實(shí)現(xiàn)兩層上下文相關(guān)的情感預(yù)測(cè):DNN-CD-HMM模型和HMM-CD-HMM模型。實(shí)驗(yàn)結(jié)果表明,加入上下文思想的兩層預(yù)測(cè)方法優(yōu)于沒有考慮上下文思想的傳統(tǒng)預(yù)測(cè)方法;DNN-CD-HMM模型的預(yù)測(cè)能力優(yōu)于HMM-CD-HMM模型;對(duì)A維度的情感預(yù)測(cè)相比V維度準(zhǔn)確率更高。
 

4、 (2)提出基于改進(jìn)KNN算法的多模態(tài)連續(xù)維度情感預(yù)測(cè)方法。改進(jìn)的KNN算法作為回歸預(yù)測(cè)器,在訓(xùn)練樣本二次篩選和K近鄰值權(quán)重兩方面進(jìn)行改進(jìn),預(yù)測(cè)連續(xù)輸入的情感序列在V-A空間中的變化情況。一方面實(shí)現(xiàn)單通道特征(語音情感通道、人臉表情通道)預(yù)測(cè),同時(shí)實(shí)現(xiàn)特征融合通道的預(yù)測(cè),兩個(gè)單通道的預(yù)測(cè)結(jié)果進(jìn)行融合實(shí)現(xiàn)模式融合預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明,特征融合預(yù)測(cè)效果優(yōu)于單個(gè)通道預(yù)測(cè),模式融合在預(yù)測(cè)Arousal維度時(shí)性能最優(yōu),預(yù)測(cè)Valence維度時(shí),特征

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論