Resumen

Seleccionar un método de reconocimiento adecuado es crucial en las aplicaciones de reconocimiento de emociones por voz. Sin embargo, los métodos actuales no tienen en cuenta la relación entre las emociones. Así, en este estudio, se construye un sistema de reconocimiento de emociones del habla basado en el enfoque del mapa cognitivo difuso (FCM). Además, se propone un nuevo algoritmo de aprendizaje FCM para el reconocimiento de las emociones del habla. Este algoritmo incluye el uso de la escala de emociones placer-activación-dominancia para calcular los pesos entre las emociones y ciertas derivaciones matemáticas para determinar la estructura de la red. El algoritmo propuesto puede manejar un gran número de conceptos, mientras que un FCM típico sólo puede manejar redes relativamente simples (mapas). Para evaluar el rendimiento del método propuesto, se extraen diferentes características acústicas, incluidas características fundamentales del habla y una nueva característica espectral. En este artículo se realizan tres experimentos: un experimento con una única característica, un experimento de combinación de características y una comparación entre el algoritmo propuesto y las redes típicas. Todos los experimentos se realizan con las bases de datos TYUT2.0 y EMO-DB. Los resultados de los experimentos de combinación de características muestran que las tasas de reconocimiento de las características combinadas son entre un 10% y un 20% mejores que las de las características individuales. El algoritmo de aprendizaje FCM propuesto mejora el rendimiento entre un 5% y un 20% en comparación con las redes de clasificación tradicionales.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Método de reconocimiento adecuado; aplicaciones de reconocimiento de emociones del habla; enfoque de mapa cognitivo difuso (FCM); nuevo algoritmo de aprendizaje FCM; escala de emoción placer-despertar-dominancia; características acústicas.
• Keywords:Appropriate recognition method; speech emotion recognition applications; fuzzy cognitive map (FCM) approach; new FCM learning algorithm; pleasure-arousal-dominance emotion scale; acoustic features