文件名称：基于聚类PSO-LSSVM模型的PAD维度预测
文件大小：1.28MB
文件格式：PDF
更新时间：2024-05-20 07:30:05
情感维度PAD 最小二乘支持向量机 粒子群优化算法
针对PAD（愉悦度、激活度、优势度）预测精度问题，提出将最小二乘支持向量机（least squares support vector machine，LSSVM）经粒子群优化（particle swarm optimization，PSO）算法优化再与情感聚类分析结合的聚类PSO-LSSVM模型。对TYUT2.0和柏林语音库的三种情感语音提取情感特征，基于特征与标注的P、A、D对三种单一情感分别建立各类情感维度PSO-LSSVM模型以及对三种情感建立混合情感维度PSO-LSSVM模型；然后利用混合情感维度PSO-LSSVM模型预测P、A、D，并计算其与基本情感PAD的距离；最后将距离大于阈值的情感聚类为混合情感，将距离小于阈值的情感聚类为与其距离最近的情感，并利用对应情感的回归模型预测其P、A、D。研究显示，该模型对P、A、D的预测误差较LSSVM和PSO-LSSVM模型更小，且预测值与标注值的相关性更强，说明聚类PSO-LSSVM模型对P、A、D的预测更加可靠、准确。