【情感識別】基於matlab支援向量機（SVM）語音情感識別【含Matlab原始碼 543期】

阿新 • • 發佈：2021-06-27

一、簡介

支援向量機(Support Vector Machine)是Cortes和Vapnik於1995年首先提出的，它在解決小樣本、非線性及高維模式識別中表現出許多特有的優勢，並能夠推廣應用到函式擬合等其他機器學習問題中。
1 數學部分
1.1 二維空間

2 演算法部分

二、原始碼

clc;
clear;
load A_fear fearVec;
load F_happiness hapVec;
load N_neutral neutralVec;
load T_sadness sadnessVec;
load W_anger angerVec;
sampleang=angerVec';
samplehap=hapVec';
sampleneu=neutralVec';
samplesad=sadnessVec';
samplefear=fearVec';
train(1:30,:)=sampleang(1:30,:); %每類三十個樣本作為訓練樣本
test(1:20,:)=sampleang(31:50,:);%每類二十個樣本作為測試樣本
train(31:60,:)=samplehap(1:30,:);
test(21:40,:)=samplehap(31:50,:);%
train(61:90,:)=sampleneu(1:30,:);
test(41:60,:)=sampleneu(31:50,:);%
train(91:120,:)=samplesad(1:30,:);
test(61:80,:)=samplesad(31:50,:);%
train(121:150,:)=samplefear(1:30,:);
function rate=svmclassfiction(samples,test)   %構造五種情感分類器
train1=samples(1:60,:);%用來構造生氣-高興分類模型訓練樣本
train2=[samples(1:30,:);samples(61:90,:)];%用來構造生氣-中性分類模型訓練樣本
train3=[samples(1:30,:);samples(91:120,:)];%用來構造生氣-悲傷分類模型訓練樣本
train4=[samples(1:30,:);samples(121:150,:)];%用來構造生氣-害怕分類模型訓練樣本
train5=[samples(31:60,:);samples(61:90,:)];%用來構造高興-中性分類模型訓練樣本
train6=[samples(31:60,:);samples(91:120,:)];%用來構造高興-悲傷分類模型訓練樣本
train7=[samples(31:60,:);samples(121:150,:)];%用來構造高興-害怕分類模型訓練樣本
train8=[samples(61:90,:);samples(91:120,:)];%用來構造中性-悲傷分類模型訓練樣本
train9=[samples(61:90,:);samples(121:150,:)];%用來構造中性-害怕分類模型訓練樣本
train10=[samples(91:120,:);samples(121:150,:)];%用來構造悲傷-害怕分類模型訓練樣本
for i=1:30                %正類樣本標記
    trainlabel(i)=1;
end
for i=30:60               %負類樣本標記
    trainlabel(i)=-1;
end
trainlabel=trainlabel';
svmStruct(1)= svmtrain(train1,trainlabel);    %構造兩類SVM分類模型
svmStruct(2)= svmtrain(train2,trainlabel);    
svmStruct(3)= svmtrain(train3,trainlabel);   
svmStruct(4)= svmtrain(train4,trainlabel);    
svmStruct(5)= svmtrain(train5,trainlabel);    
svmStruct(6)= svmtrain(train6,trainlabel);    
svmStruct(7)= svmtrain(train7,trainlabel);   
svmStruct(8)= svmtrain(train8,trainlabel);    
svmStruct(9)= svmtrain(train9,trainlabel);    
svmStruct(10)= svmtrain(train10,trainlabel);  
sumang=0; %生氣情感正確識別個數
sumhap=0; %高興情感正確識別個數
sumneu=0; %中性情感正確識別個數
sumsad=0; %悲傷情感正確識別個數
sumfea=0; %害怕情感正確識別個數
for i=1:100
    for k=1:5
        votes(k)=0;   %多個SVM分類器將待測樣本規定為某一類別個數
    end
    for j=1:10
       C(j) = svmclassify(svmStruct(j),test(i,:));
    end
    if(C(1)==1)    %第一個判決器結果
         votes(1)=votes(1)+1;  %生氣情感獲得票數
    elseif(C(1)==-1)
         votes(2)=votes(2)+1;  %高興情感獲得票數
    end
    if(C(2)==1)    %第二個判決器結果
         votes(1)=votes(1)+1;  %生氣情感獲得票數
    elseif(C(2)==-1)
         votes(3)=votes(3)+1;  %中性情感獲得票數
    end
    if(C(3)==1)    %第三個判決器結果
         votes(1)=votes(1)+1;  %生氣情感獲得票數
    elseif(C(3)==-1)
         votes(4)=votes(4)+1;  %悲傷情感獲得票數
    end
     if(C(4)==1)    %第四個判決器結果
         votes(1)=votes(1)+1;  %生氣情感獲得票數
    elseif(C(4)==-1)
         votes(5)=votes(5)+1;  %害怕情感獲得票數
     end