.png){kind=icon}
返回
Automated speech emotion recognition model using feature-driven ensemble deep learning and puma optimization algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.132213.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
言语是人类互动中一种普遍且最常见的模式。近年来，消费技术如家庭集线器和智能手机越来越多地配备先进的自动语音识别（ASR）系统，以促进人与机器之间的沟通。ASR是使用计算机程序将语音信号转换为单词序列的过程。在计算机科学领域，ASR是一种模式检测任务，也是一个具有挑战性的模式识别任务。传统上，高斯混合模型（GMM）和隐马尔可夫模型（HMM）一直是语音识别的标准框架。然而，随着近期技术进步，深度学习（DL）和机器学习（ML）方法已作为ASR的有力工具出现。本文提出了一种由Puma算法优化的基于特征驱动的集成深度学习自动语音识别（ASR-FEDLOPA）模型。ASR-FEDLOPA技术的主要目标在于通过集成和特征模型增强自动语音识别的分类过程。预处理阶段在双层次应用，例如使用各向异性扩散进行去噪和零填充。此外，ASR-FEDLOPA模型采用三个关键特征，即音调中心、频谱对比度和色度，进行有效的特征提取。在分类过程中，采用了集成模型，即Elman神经网络（ENN）、双向循环神经网络（BiRNN）和深度信念网络（DBN）。最后，通过实施Puma优化算子（POO）模型执行集成模型的超参数选择。ASR-FEDLOPA方法的实验评估在EMODB和RAVDESS数据集上进行。ASR-FEDLOPA方法在双数据集下的比较分析表现出95.74%和96.60%的优越准确率。
Keyword:
speech recognition
deep learning
ensemble models
feature extraction
puma optimization algorithm
查看更多机构