公开(公告)号：CN106469560B

公开(公告)日：2020-01-24

申请号：CN201610600762.4

申请日：2016-07-27

Applicant: 江苏大学

Inventor： 毛启容 ,  薛文韬 ,  高利剑 ,  N.鲁瓦 ,  申自强 ,  詹永照

IPC: G10L25/63 ,  G10L17/02

Abstract: 本发明公开了一种基于无监督域适应的语音情感识别方法，提出的模型包括：特征提取，情感标签预测，域标签预测。特征提取：首先将原始输入数据分解成两块特征，情感判别特征和情感无关特征，然后将情感判别特征进行层次非线性转换得到高层情感特征。将高层情感特征用于情感标签和域标签的预测。利用梯度下降法对整个模型的参数进行更新，得到特征提取层的各层权重。然后，进行特征提取，源域有标签样本通过训练好的特征提取层得到高层情感特征。最后，进行分类器SVM的训练，将源域有标签样本的高层情感特征和相对应的情感标签输入到SVM中训练，训练好的SVM可用于目标域测试样本的分类。解决了语音情感识别中训练样本和测试样本数据分布不同的问题。

公开(公告)号：CN106469560A

公开(公告)日：2017-03-01

申请号：CN201610600762.4

申请日：2016-07-27

Applicant: 江苏大学

Inventor： 毛启容 ,  薛文韬 ,  高利剑 ,  N.鲁瓦 ,  申自强 ,  詹永照

IPC: G10L25/63 ,  G10L17/02

Abstract: 本发明公开了一种基于无监督域适应的语音情感识别方法，提出的模型包括：特征提取，情感标签预测，域标签预测。特征提取：首先将原始输入数据分解成两块特征，情感判别特征和情感无关特征，然后将情感判别特征进行层次非线性转换得到高层情感特征。将高层情感特征用于情感标签和域标签的预测。利用梯度下降法对整个模型的参数进行更新，得到特征提取层的各层权重。然后，进行特征提取，源域有标签样本通过训练好的特征提取层得到高层情感特征。最后，进行分类器SVM的训练，将源域有标签样本的高层情感特征和相对应的情感标签输入到SVM中训练，训练好的SVM可用于目标域测试样本的分类。解决了语音情感识别中训练样本和测试样本数据分布不同的问题。