《表3 不同算法的识别率Table 3 Recognition rate of different algorithms》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《语谱图改进完全局部二值模式的语音情感识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在SAVEE情感库上，分别实现了基于CLBP_M，ICLBP_M，CLBP_S_M，ICLBP_S_M，传统特征MFCC、LPCC和PLP原始特征、一阶差分特征和二阶差分特征的mean、std、max、min、kurtosis、skewness和median全局统计特征，以及本文算法的语音情感识别试验。由表3（a）和（b）的试验结果可知，改进后特征的识别率均高于改进前的特征，表明改进特征可以在降低特征维度的同时提高系统的识别效果。表3（c）和（d）分别给出了在两种策略下，本文所提算法，与传统特征和其他文献所提方法的比较。由实验结果可知，在两种策略下，本文算法的识别效果均高于传统特征的识别效果，优于Hu WSF特征。同时，在两种策略下分别与文献[6，12]比较，本文算法均高于这两种算法，验证了本文算法的有效性。同时，为了验证本文算法对于其他语种的情感识别效果，在CASIA情感库上作对比实验，实验结果如表3（e）和（f）所示。由实验结果可知，在两种策略下，本文算法均取得了良好的效果，验证了本文算法的有效性。