当前位置：
首页 资源下载
搜索资源 - speech emotion recognition
搜索资源列表
-
6下载：
本实验语音库为免费的柏林情感语音库，其采样频率为16KHZ，16bit量化。该语音库共有500 句情感语音信号，分别由十名专业演员(5 男，5 女)在不同情感状态下（高兴、愤怒、平静、悲伤、害怕、厌烦、憎恨）朗读十句不同文本的德语组成。本实验选取其中的部分情感（高兴、愤怒、悲伤）加以识别。仿真实验环境为MATLAB7.0。
实验选取的情感特征为短时平均能量、短时平均幅度、基频和短时过零率。为了降低不同人在表达不同情感时的个人差异造成的影响，本文实验过程中将提取的情感特征进行归一化处理。归一化
-
-
0下载：
基于特定人情感的语音识别，语音情感特征提取；语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统。内容很丰富-In this article, we have accomplished a system for emotion recognition of speech by establishing a database of speech with certain emotion by certain people analyzing emotion features and de
-
-
0下载：
基于神经网络的语言情感识别系统，可以识别人讲话时是喜，怒，高兴还是平静，具有较高的识别率。-The language of emotion recognition system based on neural network can recognize human speech is happy, angry, happy or calm, has a high recognition rate.
-
-
0下载：
emotion recognition using speech signals
-
-
0下载：
语音情绪识别中用到的lpcc特征参数的提取，所用的方法为LPC参数提取。-Used in speech emotion recognition lpcc characteristic parameter extraction, the use of the LPC parameter extraction method.
-
-
1下载：
针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题，提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维，再将处理后的特征用于过完备字典训练与稀疏表示识别方法，从而给出了语音情感特征的稀疏表示方法，并确定了新算法的具体步骤.为验证其有效性，在同等特征维数下，将方法与BP, SVM进行比较，并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明，所提出方法的识别率比SVM与BP高 与采用稀疏化前的
-
-
0下载：
语音情感识别研究进展综述2014年最新发表。-Review of progress in speech emotion recognition recently published in 2014.
-
-
0下载：
基于语音信号与心电信号的多模态情感识别研究和处理-Based on speech signal with the ecg signal modal emotion recognition research and treatment
-
-
0下载：
压缩包中的一系列matlab程序实现了“特定人群语音情感识别-Package of a series of matlab to realize the specific people speech emotion recognition
-
-
0下载：
压缩包中的一系列matlab程序实现了“特定人群语音情感识别(Package of a series of matlab to realize the specific people speech emotion recognition)
-
-
4下载：
一种在matlab平台上运行的语音情感识别方法基于神经网络，(Speech emotion recognition method neural network)
-
-
0下载：
语音情感识别。使用卷积神经网络对语音情感识别(speech emotion recognition)
-
-
3下载：
基于SVM的语音情感识别，可以从用户的话语中识别愤怒、开心、快乐、悲伤等情感(SVM-based speech emotion recognition, which can identify emotions such as anger, happiness, happiness, sadness, etc. from the user's words.)
-
