SPEECH EMOTION RECOGNITION USING MODIFIED QUADRATIC DISCRIMINATION FUNCTION

Quadratic Discrimination Function （QDF） is commonly used in speech emotion recognition, which proceeds on the premise that the input data is normal distribution. In this paper, we propose a transformation to normalize the emotional features, emotion recognition. Features based on prosody then derivate a Modified QDF （MQDF） to speech and voice quality are extracted and Principal Component Analysis Neural Network （PCANN） is used to reduce dimension of the feature vectors. The results show that voice quality features are effective supplement for recognition, and the method in this paper could improve the recognition ratio effectively.

基于MQDF-DBM模型的脱机手写体汉字识别

针对脱机手写体汉字识别准确率较低的问题,提出一种基于修正的二次判别函数(Modified Quadratic Discriminant Function,MQDF)与深度玻尔兹曼机(Deep Boltzmann Machine,DBM)的分类器级联模型。该模型的主要思想是MQDF和DBM在特征提取和分类机制上可以相辅相成。先用MQDF进行识别并得出结果,同时计算该结果的一个广义置信度。若置信度满足要求,则将识别结果作为最终结果输出,否则结合DBM进行二次识别,得到最终识别结果。实验结果表明,使用MQDF-DBM模型可以获得比单独使用MQDF和DBM模型更高的识别准确率,且识别速度比DBM更快。

一种分类器级联的手写相似汉字识别方法

针对手写相似汉字识别问题,提出一种新的基于分类器的方法来更全面地利用原始特征中的判别信息.新方法与现有的对相似汉字提取额外特征的方法不同,其在得到特征向量之后,首先利用修正的二次判别函数进行分类,然后用支持向量机对分类结果中的相似汉字的上述特征向量进行再一次的分类,得到最终的识别结果.利用分类混淆矩阵自动得到相似汉字集合,并提出了一种新型的存储结构用于快速查找支持向量机的训练字典.在ETL9B手写汉字数据库上的实验表明,所提出的方法可得到相对于提取额外特征方法更好的识别结果,以此证明了原始特征中存在对于相似字的判别信息,提出的基于分类器的方法可更好地利用这些判别信息.

基于自产生投票的手写汉字识别

在模式识别领域,投票策略是非常有效的,而且已被成功应用到人脸检测、识别等领域.然而,在手写汉字识别(Handwritten Chinese character recognition,HCCR)中,由于类别集很大、训练样本少等特点,现有的很多分类器集成方法方法都很难直接应用于此领域.本文提出一种自产生式投票的方法,该方法通过事先学习得到的参数集产生一个测试集合,然后用一个分类器去识别测试集合中的每个样本,得到属于各个类别的概率,最后通过加权投票得到识别结果.实验结果表明,本文提出的方法是实用和有效的.

结合韵律和音质参数的改进二次判别式在语音情感识别中的应用

提取可以表征唤醒维的韵律参数和表征效价维的音质参数综合用于语音情感识别是近年来此领域的一个研究方向。为了提高情感识别率,本文提取了18个韵律参数和59个音质参数用于识别,为避免特征矢量维度过高而造成的计算量过大和信息冗余,采用主分量分析神经网络(PCANN)进行降维,并用二次判别式进行参数有效性验证。针对二次判别式输入参数正态化这一假设,提出一种改进二次判别式用于四种情感的识别,实验结果表明,改进方法可以有效提高识别率。

基于小波分析及改进二次鉴别函数的民族文种识别

为了能够对文档中的少数民族文字种类进行正确地识别分类,提出一种基于小波分析与改进的二次分类函数(MQDF)的少数民族文字种类识别方法。该方法采用多辨识小波分解,从而获得小波能量和小波能量比例分布的特征描述,利用MQDF分类器对少数民族文种进行识别。构建藏文、西双版纳傣文、纳西象形文、维吾尔文、德宏傣文和彝文6种常用的少数民族文字及汉字、英语共8种文字的样本库,采用该方法对少数民族的样本库进行了进行训练和测试。实验结果显示,该方法在多层小波分解的情况下,对于少数民族文种识别的精度好于传统的贝叶斯和KNN。

用于手写汉字识别的改型Adaboost算法

针对大部分多类Adaboost算法因训练复杂度过高而难以应用于手写汉字识别这种大类别数分类的问题,提出了一种新的改型的多类Adaboost算法。该算法采用基于描述性模型的多类分类器——改进的二次鉴别函数(MQDF)分类器作为基元分类器,可直接进行多类分类,无需将多类问题转化为多个两类问题处理,大大降低了训练复杂度。此外,该算法根据广义置信度更新样本权重,实验证明此方法简单有效。为了降低算法的识别复杂度,对训练后得到的基元分类器组进行删减,仅保留一个最优的基元分类器作为最终分类器。在HCL2000及THOCR-HCD数据集上进行的实验表明,该算法的相对错误率比现有算法分别下降了14.3%、8.1%和19.5%。

一种适用于超多类手写汉字识别的新改型Adaboost算法

提出一种适用于超多类手写汉字识别的新改型Adaboost算法,采用基于描述性模型的多类分类器(modified quadratic discriminant function,MQDF)作为Adaboost基元分类器,可直接进行多类分类,无需将多类问题转化为多个两类问题处理,其训练复杂度大大低于已有的多类Adaboost算法。算法提出根据广义置信度更新样本权重,实验证明这种算法适用于大规模多类分类问题。为了降低算法的识别复杂度,提出从所有训练后得到的Adaboost基元分类器组中选择一个最优的基元分类器作为最终分类器的方法进行删减。在HCL2000及THOCR-HCD数据集上进行实验证明,所提改型Adaboost算法提高了识别率的有效性,该算法的相对错误率比现有最优算法分别下降了14.3%,8.1%和19.5%。

用于手写汉字识别的级联MQDF分类器

针对非限制脱机手写体汉字识别率不高的问题,该文提出了一种级联MQDF(改进的二次分类函数)分类器,以提高识别正确率。它是一种基于串行结构的分类器集成算法,并在度量层次对各级分类器结果进行融合。广义置信度被用作评价识别结果好坏的度量。该算法分级构建多个Gauss模型,实现对样本分布精细的描述,达到提高识别率的目的。该文利用最大似然框架论述了该集成算法的工作原理。用该算法在HCL2000及THOCR-HCD手写体汉字数据库上进行试验,识别错误率分别下降了10.75%、9.82%和25.31%,证明了算法的有效性。

用于手写文字识别的MQDF替代参数选择方法

针对修正二次判别函数(MQDF)的替代参数的选择问题,提出一种选择参数h的方法.首先通过分析h在MQDF中的作用,将h对判别结果的影响分为两类情况;然后对每类情况在训练集上统计h的取值分布,并分析如何选择h可获得最优的分类结果;最后用非参数方法得到这两种情况的概率分布,从而得到h的最佳取值.在手写数字数据库MNIST和手写汉字数据库ETL9B上的实验结果表明了该方法在识别效率以及时间效率方面的有效性.

基于镜像学习和复合二次距离的手写汉字识别

为解决手写汉字识别中的相似字混淆问题,提出了一种基于镜像学习和复合二次距离的识别算法,提高现有的二次分类器对相似汉字的鉴别能力。该算法为识别置信度较低的训练样本生成镜像虚拟样本,通过迭代训练来调整易混淆字符类别间的分类界面,并对二次分类器给出的候选字使用复合二次距离进行两两鉴别,以减少识别错误。在HCL 2000样本库上的实验表明,该算法能有效提高手写汉字识别的性能,测试集上的误识率下降了20%。