用于语音情感识别的无监督低秩表示
机器学习
2021-04-16 v1
摘要
我们研究了线性与非线性降维算法在提取语音情感识别的低秩特征表示中的应用。使用了两组特征集，一组基于低级描述子及其聚合（IS10），一组建模语音的递归动力学（RQA），以及它们的融合。我们报告了在两种数据库上使用不同分类方法所学表示的语音情感识别（SER）结果。使用低维表示进行分类在多种设置下带来了性能提升。这表明降维是应对SER维度灾难的有效途径。二维特征可视化提供了对降维特征集判别能力的洞察。
引用
@article{arxiv.2104.07072,
title = {Unsupervised low-rank representations for speech emotion recognition},
author = {Georgios Paraskevopoulos and Efthymios Tzinis and Nikolaos Ellinas and Theodoros Giannakopoulos and Alexandros Potamianos},
journal= {arXiv preprint arXiv:2104.07072},
year = {2021}
}
备注
Published at Interspeech 2019 https://www.isca-speech.org/archive/Interspeech_2019/abstracts/2769.html