计算机应用研究

作者：胡艳香,孙颖,张雪英,段淑斐,

单位：太原理工大学信息与计算机学院,太原030024；

关键词：情感维度PAD,最小二乘支持向量机,粒子群优化算法,情感聚类分析,

基金：国家自然科学基金资助项目(61371193)；山西省青年基金资助项目(2013021016-2)；山西省研究生教育创新项目(2018SY021)；山西省应用研究青年基金资助项目(201601D202045)；山西省回国留学人员科研资助项目(201925)；山西省自然科学基金面上项目(201901D111096)；；

针对PAD（愉悦度、激活度、优势度）预测精度问题，提出将最小二乘支持向量机（least squares support vector machine，LSSVM）经粒子群优化（particle swarm optimization，PSO）算法优化再与情感聚类分析结合的聚类PSO-LSSVM模型。对TYUT2.0和柏林语音库的三种情感语音提取情感特征，基于特征与标注的P、A、D对三种单一情感分别建立各类情感维度PSO-LSSVM模型以及对三种情感建立混合情感维度PSO-LSSVM模型；然后利用混合情感维度PSO-LSSVM模型预测P、A、D，并计算其与基本情感PAD的距离；最后将距离大于阈值的情感聚类为混合情感，将距离小于阈值的情感聚类为与其距离最近的情感，并利用对应情感的回归模型预测其P、A、D。研究显示，该模型对P、A、D的预测误差较LSSVM和PSO-LSSVM模型更小，且预测值与标注值的相关性更强，说明聚类PSO-LSSVM模型对P、A、D的预测更加可靠、准确。

来源：2020年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第4期