Resumen

El reconocimiento de la emoción del habla a través de corpus cruzados, que aprende un clasificador preciso para nuevos datos de prueba utilizando datos de entrenamiento antiguos y etiquetados, ha demostrado un valor prometedor en la investigación del reconocimiento de la emoción del habla. La mayoría de los trabajos anteriores han explorado dos estrategias de aprendizaje de forma independiente para el reconocimiento de la emoción del habla entre corpus: la coincidencia de características y la reponderación de muestras. En este trabajo, mostramos que ambas estrategias son importantes e inevitables cuando la diferencia de distribución es sustancialmente grande para los datos de entrenamiento y de prueba. Por lo tanto, proponemos un novedoso aprendizaje de múltiples núcleos de coincidencia conjunta de muestras y características (JSFM-MKL) para modelarlas en un problema de optimización unificado. Los resultados experimentales demuestran que el JSFM-MKL propuesto supera a los algoritmos de la competencia para el reconocimiento de emociones del habla entre corpus.

• Materias:Ingeniería electrónica Redes Inalámbricas Ingeniería Eléctrica Procesamiento de señales asistido por computador Sistemas de comunicación Informática
• Subjects:Electronic engineering Wireless Networks Electrical Engineering Signal processing computer-assisted Communication systems Computing
• Palabras claves:reconocimiento de la emoción del habla, comparación de características, nuevo aprendizaje de núcleos múltiples, investigación sobre el reconocimiento de la emoción del habla, la mayoría de los trabajos anteriores, nuevos datos de prueba, problema de optimización unificado, jsfm, mkl, resultados experimentales
• Keywords:speech emotion recognition, feature matching, novel multiple kernel learning, speech emotion recognition research, most previous works, new test data, unified optimization problem, jsfm, mkl, experimental results