基于萤火虫算法优化支持向量机实现中文语音情感识别附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

语音信号包含了人类丰富的情感信息,本文从离散情感模型出发,选择了高兴,悲伤,愤怒和害怕4种基本情感作为研究对象,利用萤火虫算法实现了支持向量机参数自动寻优,从而提高了识别的效率.为了使测试数据更据代表性,选取了中文和德文数两种据库,400个样本进行训练和测试.实验表明,对SVM分类器进行优化在一定程度上提高了情感识别率.

⛄ 部分代码

clc,clear all

npersons=6;%6种表情

global edit2

global numberoftrain

numberoftrain=25;

 load trainfeature.mat

 load testfeature.mat

trainfeature=trainfeature(:,1:8100);

testfeature=testfeature(:,1:8100);

gamma=0.01;%gamma=0.0078;

c=10;%c=128;

% scaledface=[trainfeature(1:25,:);trainfeature(101:125,:);trainfeature(201:225,:);trainfeature(301:325,:);trainfeature(401:425,:);trainfeature(501:525,:);];

t=50;

scaledface=trainfeature;

scaledface=[trainfeature(1+t:25+t,:);trainfeature(101+t:125+t,:);trainfeature(201+t:225+t,:);trainfeature(301+t:325+t,:);trainfeature(401+t:425+t,:);trainfeature(501+t:525+t,:);];

multiSVMstruct=multiSVMtrain( scaledface,npersons,gamma,c);

%save('recognize.mat','multiSVMstruct','npersons');% 

%save('recognize.mat','multiSVMstruct','npersons','k','mA','V','lowvec','upvec');

save('recognize.mat','multiSVMstruct','npersons');

realclass=[ones(1,numberoftrain)';2*ones(1,numberoftrain)';3*ones(1,numberoftrain)';4*ones(1,numberoftrain)';5*ones(1,numberoftrain)';6*ones(1,numberoftrain)'];    

scaledtestface=testfeature;

scaledtestface=[trainfeature(1+t:25+t,:);trainfeature(101+t:125+t,:);trainfeature(201+t:225+t,:);trainfeature(301+t:325+t,:);trainfeature(401+t:425+t,:);trainfeature(501+t:525+t,:);];

%scaledtestface=[testfeature(1+t:25+t,:);testfeature(101+t:125+t,:);testfeature(201+t:225+t,:);testfeature(301+t:325+t,:);testfeature(401+t:425+t,:);testfeature(501+t:525+t,:);];

class= multiSVM(scaledtestface,multiSVMstruct,npersons);

set(edit2,'string','测试完成！')

accuracy=sum(class==realclass)/length(class);

msgbox(['识别准确率：',num2str(accuracy*100),'%。'])

⛄ 运行结果

⛄ 参考文献

[1]常梦容, 王海瑞, 肖杨,等. 基于改进萤火虫算法优化SVM的滚动轴承故障诊断[J]. 化工自动化及仪表, 2021, 48(4):6.

[2]刘明珠, 李晓琴, 陈洪恒. 基于支持向量机的语音情感识别算法研究[J]. 哈尔滨理工大学学报, 2019, 24(4):9.

[3]胡明, 崔冉, 郭健鹏,等. 基于改进型支持向量机的语音信号情感识别研究[J]. 数字技术与应用, 2019, 037(006):P.109-110.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除