计算机应用

作者：汪洋, 傅洪亮, 陶华伟, 杨静, 谢跃, 赵力

单位：1.粮食信息处理与控制教育部重点实验室(河南工业大学), 郑州 450001；2.南京工程学院 信息与通信工程学院, 南京 211167；3.东南大学 信息科学与工程学院, 南京 210096

关键词：跨库语音情感识别,卷积神经网络,决策边界优化,域自适应,特征分布差异

基金：国家自然科学基金资助项目(62001215);河南省教育厅自然科学项目(21A120003);河南工业大学高层次人才启动项目(2018BS037)

域自适应算法被广泛应用于跨库语音情感识别中；然而，许多域自适应算法在追求减小域差异的同时，丧失了目标域样本的鉴别性，导致其以高密度的形式存在于模型决策边界处，降低了模型的性能。基于此，提出一种基于决策边界优化域自适应（DBODA）的跨库语音情感识别方法。首先利用卷积神经网络进行特征处理，随后将特征送入最大化核范数及均值差异（MNMD）模块，在减小域间差异的同时，最大化目标域情感预测概率矩阵的核范数，从而提升目标域样本的鉴别性并优化决策边界。在以Berlin、eNTERFACE和CASIA语音库为基准库设立的六组跨库实验中，所提方法的平均识别精度领先于其他算法1.68~11.01个百分点，说明所提模型有效降低了决策边界的样本密度，提升了预测的准确性。

来源：2023年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第2期