论文部分内容阅读
情感识别的目的是让计算机能读懂人的情感,进而表达出情感,使实现能理解和表达人类情感的机器成为可能。计算机的语音情感识别能力是计算机情感智能的重要组成部分,是实现自然人机交互界面的关键前提,具有很大的研究价值和应用价值。目前,语音情感识别研究工作主要集中在语音信号预处理、语音情感特征提取、特征向量降维、语音情感识别算法等方面。贝叶斯网络是1988年由Pearl提出的一种在贝叶斯决策方法的基础上发展起来的一种统计推断方法。贝叶斯网络以独特的不确定性知识表达形式、丰富的概率表达能力、综合先验知识的增量学习特性成为近几年来理论研究的热点,被广泛应用于辅助智能决策、模式识别、医疗诊断等领域。本文选取语音情感识别算法作为重点的研究方向,提出了将基本分类器结合贝叶斯网络应用到语音情感识别中。通过对贝叶斯网络进行了深入的研究,提出使用贝叶斯网络对基本分类器分类结果进行调整,并且提出了基于混淆矩阵的贝叶斯网络生成算法,并将本文改进的算法应用到语音情感识别的研究中,分别使用支持向量机SVM和朴素贝叶斯NB为基本分类器,使用贝叶斯网络调整分类结果,在语音情感数据库(Berlin、CASIA、SAVEE)做了实验,获得比原来算法更好的分类准确率。