- 博客(14)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 OPENSMILE win10 简单安装
opensmile在windows下的安装下载安装包 网址：openSMILE的最新稳定版本可以在 下载地址 找到。解压安装包打开windows的命令提示符cmd,切换目录到解压文件中含有SMILExtract.exe 的文件目录下，一般在bin文件夹下，例D:\11\opensmile-3.0-win-x64\bin.在cmd下输入SMILExtract -h ，检查是否可运行 使用SMILExtract从wave中提取音频特征文件：SMILExtract -C “配置文
2020-12-17 20:33:51
2199
原创 论文笔记
论文笔记 ---- 基于 LSTM 神经网络的语音情绪识别Speech Emotion Recognition Based on LSTM Neural Network论文题目：基于 LSTM 神经网络的语音情绪识别Speech Emotion Recognition Based on LSTM Neural Network论文作者：辛创业 许 芬摘要数据库：基于现实场景的 CHEAVD2．0 情感数据库进行实验。在对音频信息进行预处理后，进行音频特征的提取，提取了梅尔倒谱系数、短时过零率、基音周
2020-10-22 09:39:14
400
原创 论文笔记
论文笔记 ---- （2017）基于卷积神经网络的语音识别研究论文题目：基于卷积神经网络的语音识别研究论文作者：梅俊杰摘要从语音识别基本原理出发，以声学模型和声学特征为切入点，主要研究了深度卷积神经网络在语音识别任务中的应用：（1）研究了基于深度卷积神经网络的声学建模，本文从模型结构、训练算法等方面深入对比分析了ＤｅｅｐＣＮＮ、ＤＮＮ以及ＧＭＭ在声学建模中的应用，阐述了ＣＮＮ，用于描述ＨＭＭ状态输出概率分布的可行性，着重研究了不同网络深度下ＣＮＮ的性能表现。研究了2层卷积的CNN-HMM声学模型和6
2020-10-21 10:31:35
392
1
原创 论文笔记
论文笔记 ---- 基于卷积神经网络的语音情感识别论文题目：基于卷积神经网络的语音情感识别论文作者：陈晓东摘要通过研究语音情感识别，能使得计算机在人机交互过程中做出更加人性化和更有针对性的反应。深度学习是目前最接近人脑的人工智能学习方法。深度学习有很多常用的模型，比如自编码器、限制玻尔兹曼机、卷积神经网络等等。其中，卷积神经网络已经应用在图像识别、语音识别、广告推荐系统等领域，而且也取得了很不错的进展。 经过深入研究发现，当使用传统的卷积神经网络进行语音情感识别时，卷积神经网络的子采样层在实现维数约
2020-10-19 21:51:23
637
原创 论文笔记
论文笔记 — AVEC 2019 Workshop and Challenge: State-of-Mind, Detecting Depression with AI, and Cross-Cultural Affect Recognition论文题目：AVEC 2019 Workshop and Challenge: State-of-Mind, DetectingDepression with AI, and Cross-Cultural Affect Recognition（AVEC 2019研
2020-10-18 20:36:03
1256
2
原创 论文笔记
论文笔记 ---- Detecting Depression with Audio/Text Sequence Modeling of Interviews（用音频/文本序列建模检测抑郁症）论文题目：Detecting Depression with Audio/Text Sequence Modeling of Interviews（用音频/文本序列建模检测抑郁症）论文作者：Tuka Alhanai1, Mohammad Ghassemi2, and James Glass1摘要在本研究中，我们展
2020-10-17 23:42:24
682
2
原创 论文笔记
论文笔记—（2013）基于改进型SⅧ算法的语音情感识别论文题目：基于改进型SⅧ算法的语音情感识别论文作者：李书玲，刘 蓉’，张鎏钦，刘 红摘要为有效提高语音情感识别系统的识别率，研究分析了一种改进型的支持向量机(SVM)算法。该算法首先利用遗传算法对svM参数惩罚因子和核函数中参数进行优化，然后用优化后的参数进行语音情感的建模与识别。介绍语音情感识别是让计算机通过语音信号识别说话者的情感状态，最终实现自然、友好、生动的人机交互。语音信号的情感识别方法很多，常用的情感分析方法有混合高斯分布模型(G
2020-10-17 10:14:11
279
原创 笔记 --(2004)语音信号 中的情感特征分析和识别的研究
笔记 --(2004)语音信号 中的情感特征分析和识别的研究论文题目：语音信号 中的情感特征分析和识别的研究作者：赵 力 ’ , 2 , 将春辉 , , 2 , 邹采 荣, , 吴 镇扬`摘要提出了一种利用全局和 时序结构的组合特征以及 M M D 进行情感特征识别的方法 .对于从 拍 名话者中 搜集的带有欢快 ,愤怒, 惊奇和悲伤 4 种情感的 1以又) 句语句 , 利用提出的新的识别方法获得 了 抖% 的平均 情感识别 率 .介绍本文研究 了语音信号 中情 感特征分析和识别的问题 . 针 对
2020-10-15 14:34:03
447
原创 语音文件格式转换：.amr 转 .MP3, .wav格式
.amr 格式音频转成 .wav格式我先分享一下我在语音文件格式转换踩得坑，我们日常的语音文件，由于如今手机等移动设备的普及，越来越多的语音信息大多使用的是。amr,slk等存储，而并未用便于机器处理的MP3,wav等格式。因此我们在做关于语音处理的任务时需先将其他音频文件转换成便于处理的文件格式。目前有很多软件可以辅助转化，但有些软件往往对原音频文件有较高要求，所以算选合适的转换软件很重要，我在关于.amr–>.wav踩了很多坑，一开始采用ffmpeg库在python里转换，但是可能是因为我本身p
2020-10-13 21:18:22
1528
1
翻译 语音情感识别综述
文献阅读语音情感识别研究进展综述（2013）摘要介绍语音情感描述模型情感语音数据库语音情感特征提取语音情感识别算法总结语音情感识别研究进展综述（2013）论文：语音情感识别研究进展综述作者：韩文静 1, 李海峰 1, 阮华斌 2, 马 琳 1摘要对语音情感识别的研究现状和进展进行了归纳和总结,对未来语音情感识别技术发展趋势进行了展望. 从 5 个角度逐步展开进行归纳总结,即情感描述模型,具有代表性的情感语音库,语音情感特征提取,语音情感识 别算法研究和语音情感识别技术应用介绍自动语音情感识
2020-10-12 19:46:33
7896
原创 机器学习（入门4）
机器学习（入门4 无监督学习算法：K-Means算法）4.6 无监督学习 k-means算法4.6.1 无监督学习包含算法：聚类 ----- k-means算法降维 ----- PCA4.6.2 k-means算法 原理 [K - 超参数，看需求调节]1）随机设置k个点作为初始聚类中心2）计算其他的点到每个聚类中心的距离，取最近的归为对应类，3）对这K个类再重新计算聚类中心点，（平均值）4）若新的聚类中心点和原中心点一致，则结束，否则重新2）4.6.3 API：sklearn.cluste
2020-08-24 13:52:53
125
原创 机器学习（入门3）
机器学习（入门3 有监督学习算法之回归算法）4 回归算法4.1 线性回归：利用函数对一个或多个特征值和目标值之间关系进行建模分析的方式回归问题：目标值------连续性函数公式：h(W) = w1x1 + w2x1 + w3x3 + … +b 一般用矩阵形式表示4.1.1 线性模型：自变量一次；参数一次(自变量高次方,非线性函数）y=w1x1+w2x2^2+…+b4.1.2 线性回归的损失和优化 [目标：求模型参数]损失函数cost(成本/目标函数)：最小二乘法优化方法：正规方程，梯度下
2020-08-17 17:48:16
142
原创 机器学习（入门2）
机器学习（入门2）3 分类算法3.1 sklearn转换器和预估器（预备知识）3.1.1 转换器1）实例化2）调用fit_transform fit():计算每一列的均值方差 transform:std进行最终转换3.1.2 预估器estimator（sklearn 机器学习算法实现）流程：1 实例化estimator2 estimator.fit(x_train,y_train) 计算 -----调用完毕，模型即生成3 模型评估：1）直接比对真实值和预测值 y_predict
2020-08-09 17:16:37
244
原创 机器学习入门1
机器学习 （入门）1.1 基本了解1.2 算法分类机器学习算法分类：目标值：类别 --------------分类问题 （有监督学习）连续型数据-----------------------回归问题（有监督学习）无 ----------------------------------无监督学习（聚类）算法：监督学习：分类：k-邻近算法、贝叶斯算法、决策树与随机森林、逻辑回归回归：线性回归，岭回归无监督学习：k-means2.1 数据集可用数据集：sklearn , kaggle, UC
2020-08-07 15:28:58
270
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人