《表2 不同维数的降维处理时间及对原始语料信息的贡献比例》

  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

《基于特征降维及参数优化的语音情感识别》

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

为了验证本文所提出的语音情感识别改进方法对语音情感特征的降维效果，采用Fast＿PCA算法分别对2个语料库的特征参数进行降维处理.图3和图4为2个语料库降维后的前10维主成份分量对原始语料信息的贡献比例，表2为2个语料库在不同降维处理时所耗费的时间及对原始语料信息的贡献比例.从图3和图4可以看出，第1维到第10维对原始语料信息的贡献比例呈逐渐降低的趋势，其中第1维对原始语料信息的贡献比例分别为36.87%和28.29%，第2维对原始语料信息的贡献比例均为15%左右，第10维对原始语料信息的贡献比例均低于5%以下.这表明经过Fast＿PCA算法特征降维后，对原始语料信息的贡献程度起主要作用的主成份分量集中在低维区.从表2可以看出，增加维数时降维时间虽呈增加趋势，但CASIA汉语情感语料库和柏林德语情感语料库的特征降维时间分别均低于0.1s和0.2s；当语料情感特征维度降维至35维时，其对原始语料信息的累计贡献比例已经超过95%.上述结果表明，采用Fast＿PCA算法的降维效果较好.