基于PAD模型的级联分类情感语音识别

针对声学特征(韵律特征和MFCC特征)对情感语音的分类识别性能不理想的问题,提出了一种将声学特征与情感语音PAD数据相结合的级联分类方法用于情感语音识别。首先提取情感语音的声学特征,对特征分别单独识别与组合识别,对比建立最优特征集合。然后将声学特征组合与情感语音PAD数据相结合,分两步逐级地判断出输入语音所属的情感类型。该方法在TYUT2.0情感语音数据库上得到了较好的结果,情感分类识别率相较于传统声学特征的分类识别率提高了15.4%.     

一个基于相关反馈的神经网络音乐情感分类器构建算法

目的构造音乐情感分类器,为计算机理解情感提供途径。方法首先分析现有音乐情感模型,然后提取音乐情感特征并采用神经网络构造音乐情感分类器,最后采用相关反馈对分类结果进行标注并进一步训练分类器,直至训练样本的错误分类率在一定误差范围内。结果对测试样本进行情感分类,达到了最高89%的分类准确率,实现了音乐情感分类器的构建和音乐片断的情感标注。结论研究成果是音乐情感检索的基础工作,也可用于其他音频的情感识别和分类。     

语境化音乐流派识别

音乐流派识别(music genre recognition,简称MGR)是一项应用前景广阔的研究领域,同时也能够为音乐机器学习技术提供一个良好的测试台.在过去几年中,涌现出了大量基于机器学习的MGR系统.然而,单纯依靠底层声学特征的MGR算法在分类时往往不能得到令人满意的结果.作者受到语境化机器学习技术的启发,提出了基于堆叠泛化的MGR分类系统.该系统通过提取互联网中用户标注音乐时使用的标签,同时融合声学特征完成语境化音乐流派识别.在论文中,MGR系统分为内容层和语境层,内容层由提取Mel倒谱系数(Mel frequency cepstrum coefficient,简称MFCC)和快速傅里叶变换(fast Fourier transformation,简称FFT)特征的声学特征表示,语境层由额外标签表示.在数据集GTZAN的实验结果表明,在数据集GTZAN下,语境化的MGR分类准确率远高于基于声学特征的MGR分类准确率,实现了20%的分类性能的提升.     

音乐情感的自动识别

音乐与情感有着非常密切的联系,发展针对音乐的情感识别系统,对于计算机音乐的研究与发展有着深远的意义.提出了一种基于PAD(Pleasure arousal dominance)模型以及基因表达式编程(GEP)算法的音乐情感自动识别方法.在众多音乐特征元素中抽取与情感关系密切的6个特征,并且采用PAD模型来描述音乐中的情感,在此基础上使用GEP算法实现对简单乐曲中单一情感的自动识别.从实验结果分析,本系统能够达到一个比较理想的识别效果和较低的识别误差.     

基于MF-DFA的语音情感识别

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，将多重分形理论引人语音情感识别中．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...     

一种基于特征差异度和SVM投票机制的数字音乐语音情感识别算法

针对数字音乐语音情感识别问题,提出一种基于特征差异度和SVM投票机制进行识别的方法.该方法不仅降低了特征向量的维度,而且保留了足够的能够描述数字音乐语音不同情感之间差异的特征.同时,该方法利用多个二分SVM分类器进行投票,减少了每个分类器的权重,从而降低了误差.实验结果表明,该方法能够有效地提高识别准确率.     

基于混沌特性的情感语音特征提取

根据语音发声过程中的混沌特性,应用非线性动力学模型分析情感语音信号,提取了该模型下情感语音信号的非线性特征以及常用的声学特征(韵律特征和MFCC).设计情感语音识别对比实验,将非线性特征与不同声学特征融合并验证了该组合下的情感识别性能,研究了语音信号混沌特性对情感语音识别性能的影响.实验选用德国柏林语音库4种情感(高兴、愤怒、悲伤和中性)作为语料来源,支持向量机网络用于情感识别.结果表明,非线性特征有效表征了情感语音信号的混沌特性,与传统声学特征结合后,情感语音识别性能得到了显著提高.     

中文文本中评价对象省略识别方法

为了研究中文情感文本中评价对象省略现象的识别方法, 将评价对象省略识别建模为一个二元分类问题, 利用机器学习算法进行自动学习。探讨当前句位置无关特征、当前句位置相关特征和上下文相关特征对评价对象省略识别的作用。3个不同领域的实验结果表明, 新提出的基于机器学习的评价对象省略识别方法能够获得较好的识别效果。     

情感状态模糊识别的研究

相比人脸和语音表情识别,生理信号能更客观地反映人们的情感状态.基于生理信号的情感计算研究越来越引起人们的关注.针对情感状态具有模糊特性,提出应用模糊理论从生理信号中选取特征向量进行分类识别.与其他分类方式相比,采用模糊分类识别研究更有助于其他学科的研究人员对情感发生机理的理解和深入研究.比较模糊理论与其他分类方式的识别结果,实验结果表明模糊识别效果总体与其他方式差距不大,但对不同的状态识别效果差距较小.     

基于情感的家庭音乐相册自动生成研究

随着互联网以及社交网络的发展,电子相册逐渐成为应用广泛的基础服务之一,而如何提高相册的用户体验变得尤为重要.本文提出基于情感的家庭音乐相册自动生成研究,旨在解决为用户喜爱的音乐自动推荐与其情感表达相近的相册图片问题.本文从音乐和图像蕴含的情感出发,音乐上选取梅尔频率频谱系数(MFCC)和相关谱感知线性预测(RASTA-PLP)特征,图像上选取比较直观的颜色特征.在算法上使用了核化典型相关分析(KCCA)方法,该算法解决了图像特征与音乐特征之间异构和跨模态的特征融合问题,实现了音乐相册的自动生成.在实验中,客观评测结果表明,采用KCCA方法在查准率方面高于纯CCA方法;在主观评测中KCCA获得69.45%的满意度,与人工推荐的评价结果(78.09%)比较接近,高于随机推荐和CCA方法的满意度.     

音乐情感识别研究进展

首先介绍音乐情感的定义、表示、计算模型和数据集,然后回顾最近几年音频音乐情感识别的研究进展情况,最后提出若干问题及可能的解决方案.     

曲为心之声,弦弦皆有情——《琵琶行》音乐描写赏析

白居易的《琵琶行》因其对琵琶声的出色描写而流传至今,成为文学史和音乐史上的千古绝唱.一是用极富音乐性的语言摹写音乐形象;二是通过音乐形象的千变万化展现了琵琶女起伏回荡的心潮,琵琶女的身世经历,情感的起伏变化也自其心中源源涌现,让人如闻其声,如见其人,真可谓"曲为心之声,弦弦皆有情".     

情绪在乐曲影响下脑电图变化的个案报告

用表现不同情绪乐曲去诱发全神贯注的欣赏者,结果发现,情绪可以随音乐的诱发而发生相应的情绪变化。根据心理生理互相作用的理论,在被试的大脑皮层上,随着乐曲情绪的展开、发展达到高潮时,会导致皮层上微弱的脑电信号,随着情绪积累到一定程度,就会产生能代表特定情绪的脑波出现。因此可以给青少年音乐教育,临床音乐治疗,提供心理生理的实验根据。     

歌唱情感在声乐表演中的价值及其训练研究

歌唱情感是演唱者对自己演唱的作品所持的一种精神状态,它是一种善于表现和激发感情的艺术,也是一种能带给听众美感、给人以教化的艺术。因此训练歌唱情感,发挥其在声乐艺术中的价值是很有必要的。歌唱情感训练主要从三方面进行：自身修养的提升;理解歌曲中的情感;把想象融入歌唱中。     

音乐教学中的品德培育

培育品德在音乐教学中具有重要的意义.在教学中以情感人、引发共鸣,充分发挥音乐的审美作用,发挥榜样的力量和良好的行为规范,帮助学生培育高尚的品德.     

网络音乐传播对音乐实践活动的影响

阐述了网络音乐传播的特点及其发展，作者认为网络音乐传播不仅促使音乐创作理念发生了新的变化，而且也为音乐表演提供了前所未有的先进手段、给音乐欣赏者展现了革新鼎故的机遇和挑战、导致音乐审美观念的转变。     

民族音乐资源与高校音乐教育研究

从高校音乐教育角度探讨如何把民族民间音乐纳入音乐学院教学体系,在办学理念、办学思路、人才培养模式、课程体系中融入民族音乐,以期有利于民族音乐资源的保护与传承。     

乐趣乐感乐理--电子琴技能训练探略

电子琴的学习是需要初学保持持久兴备度与意志力的过程。教师只有帮助学生克服学琴过程中的畏难情绪，并在此基础上引导他们领会、表现音乐作品，实现对学琴过程的创造性参与，才能提高他们的实际演奏水平、培养他们较好的音乐素养。从乐趣入手、从乐感入门、从乐理起步，是电子琴技能教学一个简易可行的教学方法。