文献

J-GLOBAL ID：201702249300067023   整理番号：17A1029784

音声における感情認識のための多重カーネル部分空間学習の2次元フレームワーク【Powered by NICT】

A Two-Dimensional Framework of Multiple Kernel Subspace Learning for Recognizing Emotion in Speech

著者 (7件)： Xu Xinzhou (Key Laboratory of Underwater Acoustic Signal Processing of Ministry of Education, Southeast University, Nanjing, China) ,  Deng Jun (Chair of Complex and Intelligent Systems, the University of Passau, Passau, Germany) ,  Cummins Nicholas (Chair of Complex and Intelligent Systems, the University of Passau, Passau, Germany) ,  Zhang Zixing (Chair of Complex and Intelligent Systems, the University of Passau, Passau, Germany) ,  Wu Chen (Key Laboratory of Underwater Acoustic Signal Processing of Ministry of Education, Southeast University, Nanjing, China) ,  Zhao Li (Key Laboratory of Underwater Acoustic Signal Processing of Ministry of Education, Southeast University, Nanjing, China) ,  Schuller Bjorn (Department of Computing, Imperial College London, London, U.K.)
資料名： IEEE/ACM Transactions on Audio, Speech, and Language Processing  (IEEE/ACM Transactions on Audio, Speech, and Language Processing)
巻： 25  号： 7  ページ： 1436-1449  発行年： 2017年 
JST資料番号： W0508B  ISSN： 2329-9290  CODEN： ITASFA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 計算paralinguisticsにおける高度に活性な話題として,音声感情認識(SER)は,音声における感情的因子のための理想的な表現を探求することである。SERの性能を改善するために,マルチカーネル学習(MKL)次元縮小は,感情を認識するための有効な情報を得るために利用されてきた。しかし,MKLの解は,通常複数のカーネルのためのただ一つの非負マッピング方向を提供する;これは貴重な情報の損失につながる可能性がある。この問題を解決するために,多重カーネル部分空間学習のための二次元フレームワークを提案した。このフレームワークは,非負制約のないMKLに基づいて,学習手順におけるより多くの情報を保存するに線形結合を提供する。MKLと二次元部分空間学習の両方を活用し,統一された構造にそれらを組み合わせた。フレームワークを適用しSERにするために,ここではまた,このフレームワークにおける判別埋め込みグラフを用いて,すなわち一般化多重カーネル判別分析(GMKDA),アルゴリズムを提案した。GMKDAは,提案したフレームワークの中で複数カーネルのための付加的マッピング方向を利用している。提案したアルゴリズムの性能を評価するために広範囲の実験をいくつかの重要な感情コーパス上で行った。これらの実験結果は,提案した方法は,SERを扱ういくつかの従来と部分空間学習法と比べて優れた性能を達成できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  *二次元 ,  *学習 ,  コーパス ,  *多重化 ,  次元縮小 ,  判別分析
準シソーラス用語： 線形結合 ,  マルチカーネル学習 ,  音声感情認識 ,  *部分空間学習 ,  *感情認識 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 音声 ,  感情認識 ,  多重 ,  カーネル ,  部分空間学習 ,  2次元 ,  フレームワーク