湖南省自然科学基金(10JJ2050)
- 作品数：5 被引量：13H指数：2
- 相关作者：叶吉祥龚希龄田莎莎张密霞白一哲更多>>
- 相关机构：长沙理工大学更多>>
- 发文基金：湖南省自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于MF-DFA的语音情感识别被引量：2
- 2011年
- 针对语音情感线性参数在刻画不同情感类型特征上的不足,将多重分形理论引入语音情感识别中.通过分析不同语音情感状态下的多重分形特征,提取多重分形谱参数和广义hurst指数作为新的语音情感特征参数,并结合传统语音声学特征,采用支持向量机SVM对其进行语音情感识别.试验结果表明,该方法可使系统的准确率和稳定性得到有效提高.非线性参数的引入为语音情感识别提供了一个新的思路.
- 叶吉祥张密霞龚希龄
- 关键词：HURST指数语音情感情感识别
- 基于直方图比较的高斯混合模型更新算法被引量：2
- 2012年
- 高斯混合模型背景差法的难点在于对背景模型进行有效更新。针对该问题,提出一种高斯混合模型的自适应更新算法——HCGMM。通过量化帧间灰度直方图的差异,得到图像的亮度变化值,并依据亮度变化值对高斯混合模型参数进行调整。实验结果表明,即使在画面光强剧烈变化的情况下,该算法也能够准确地重构背景,避免过度检测现象,从而实现对运动目标的完整提取。
- 叶吉祥白一哲田莎莎
- 关键词：高斯混合模型运动目标检测
- EMD在语音情感识别中的应用与研究
- 2012年
- 语音情感计算引起了国内外广泛的关注,特别是在语音情感特征提取方面做了大量的研究。利用经验模态分解(EMD)方法对情感语音进行处理,得到情感语音的前4阶固有模态函数(IMF),并将前4阶IMF分别通过Hilbert变换得到其瞬时频率和瞬时振幅。提取它们的统计特征,再结合情感语音的声学特征共同组成情感特征向量,并对特征向量做归一化处理。利用支持向量机(SVM)对四种情感语音即生气、高兴、悲伤和平静进行识别。实验结果表明该方法的识别效果较好。
- 叶吉祥庞欢
- 关键词：情感识别
- 结合背景差分和闭合轮廓拟合的运动人体检测被引量：1
- 2015年
- 假定图像序列的背景图像已经获得,提出一种结合时空背景差和闭合轮廓拟合的运动人体目标检测算法。算法以较小的阈值获得当前帧的背景差分图像,并搜寻最大连通域为初始前景目标;构造加权高斯滤波器,提取初始前景目标边缘;拟合前景目标轮廓,提出2 bit区域选择法提取不连续弧段的端点,根据类间最小距离准则构造闭合轮廓,结合帧间差分提取最终前景轮廓,标注运动目标位置。仿真实验表明,该算法能准确提取出运动目标,并标注目标位置,在背景环境发生变化时同样可以准确检测到运动目标,具有较好的鲁棒性。
- 蒋加伏田莎莎
- 关键词：背景差分运动人体检测视频分析
- 一种快速的Wrapper式特征子集选择新方法被引量：8
- 2010年
- Wrapper式特征选择方法需要耗费大量时间,为此提出了一种快速的Wrapper式特征选择新方法(Fast Feature Subset Ranking,简称FFSR).与以单个特征作为评价单位的传统方法不同,FFSR算法以特征子集作为评价单位,以子集收敛能力作为评价标准.FFSR算法从收敛速度和收敛极值两个方面对收敛能力进行分析,并利用Sequential Floating Forward Selection(简称SFFS)算法构造和评价快速收敛的子集.FFSR算法选择的特征子集能力接近SFFS算法,但所需时间较SFFS算法大幅度减少.
- 叶吉祥龚希龄
