论文部分内容阅读
针对传统的分类器融合存在的诸多问题，提高情感检测正确率，采用双模态（音频、视频）参数提取，选择差异性强的组合小波神经网络（MWNN）与混合高斯模型（GMMs）分类器．在语音韵律、音质特征与人脸几何特征提取后，对提取后的特征用主元分析法（PCA）进行降维，对分类器进行匹配化输出，最后引入GA算法来搜索最优的融合系数向量，充分发挥各分类器本身对特定情感的敏感特性．实验证明，与传统的融合算法相比，经匹配化的GA融合算法将识别率提高了4％～10％，具有更高的识别率与更强的泛化能力．