-
公开(公告)号:CN104156628B
公开(公告)日:2017-05-31
申请号:CN201410437529.X
申请日:2014-08-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于多核学习判别分析的舰船辐射信号识别方法,对舰船辐射信号样本依次进行预处理、听觉模型特征提取、维数约简、分类器分类判决。其中在维数约简阶段,使用了基于多核学习判别分析的方法,利用交替优化,分别对核映射系数和线性多核组合系数,在用图嵌入形式表示的核判别分析优化目标下,进行优化运算。与现有方法相比,本发明的方法在舰船辐射信号的识别方面,能够有效地提升系统的识别性能。
-
公开(公告)号:CN103854645B
公开(公告)日:2016-08-24
申请号:CN201410078383.4
申请日:2014-03-05
Applicant: 东南大学
IPC: G10L15/08 , G10L21/003 , G10L25/63
Abstract: 本发明公开了一种基于说话人惩罚的独立于说话人语音情感识别方法,对语音信号样本依次进行预处理、语音情感原始特征提取、维数约简、分类器分类判决。其中在维数约简阶段,使用了基于说话人惩罚的图嵌入学习方法,利用说话人标签信息,分别针对属于同一类情感类别但说话人不同,以及属于同一说话人但分属于不同情感类别的语音信号样本对,在图嵌入理论的基础上利用已有理论,进行组合优化运算。与现有方法相比,本发明的方法在独立于说话人的语音情感识别中,能够有效地提升系统的识别性能。
-
公开(公告)号:CN104156628A
公开(公告)日:2014-11-19
申请号:CN201410437529.X
申请日:2014-08-29
Applicant: 东南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于多核学习判别分析的舰船辐射信号识别方法,对舰船辐射信号样本依次进行预处理、听觉模型特征提取、维数约简、分类器分类判决。其中在维数约简阶段,使用了基于多核学习判别分析的方法,利用交替优化,分别对核映射系数和线性多核组合系数,在用图嵌入形式表示的核判别分析优化目标下,进行优化运算。与现有方法相比,本发明的方法在舰船辐射信号的识别方面,能够有效地提升系统的识别性能。
-
公开(公告)号:CN103854645A
公开(公告)日:2014-06-11
申请号:CN201410078383.4
申请日:2014-03-05
Applicant: 东南大学
IPC: G10L15/08 , G10L21/003 , G10L25/63
Abstract: 本发明公开了一种基于说话人惩罚的独立于说话人语音情感识别方法,对语音信号样本依次进行预处理、语音情感原始特征提取、维数约简、分类器分类判决。其中在维数约简阶段,使用了基于说话人惩罚的图嵌入学习方法,利用说话人标签信息,分别针对属于同一类情感类别但说话人不同,以及属于同一说话人但分属于不同情感类别的语音信号样本对,在图嵌入理论的基础上利用已有理论,进行组合优化运算。与现有方法相比,本发明的方法在独立于说话人的语音情感识别中,能够有效地提升系统的识别性能。
-
公开(公告)号:CN107886942B
公开(公告)日:2021-09-28
申请号:CN201711055574.9
申请日:2017-10-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于局部惩罚随机谱回归的语音信号情感识别方法,对带有情感信息的语段信号样本进行副语言特征提取、数据映射、局部惩罚嵌入图设计和图分解、回归、分类器分类判决。其中在数据映射阶段,使用了随机生成点进行非线性特征映射;在局部惩罚嵌入图设计和图分解阶段,使用了局部惩罚嵌入图,以加大对类间边缘样本对之间的惩罚权重,生成训练样本的虚拟坐标。与现有方法相比,本发明的方法在语音信号情感识别方面,能够有效地提升系统的识别性能。
-
公开(公告)号:CN107886942A
公开(公告)日:2018-04-06
申请号:CN201711055574.9
申请日:2017-10-31
Applicant: 东南大学
CPC classification number: G10L15/02 , G10L15/063 , G10L15/08 , G10L15/10 , G10L25/63 , G10L2015/0631
Abstract: 本发明公开了一种基于局部惩罚随机谱回归的语音信号情感识别方法,对带有情感信息的语段信号样本进行副语言特征提取、数据映射、局部惩罚嵌入图设计和图分解、回归、分类器分类判决。其中在数据映射阶段,使用了随机生成点进行非线性特征映射;在局部惩罚嵌入图设计和图分解阶段,使用了局部惩罚嵌入图,以加大对类间边缘样本对之间的惩罚权重,生成训练样本的虚拟坐标。与现有方法相比,本发明的方法在语音信号情感识别方面,能够有效地提升系统的识别性能。
-
-
-
-
-