典型文献
基于SGD的决策级融合维度情感识别方法
文献摘要：
在双模态维度情感识别中,存在由于信息不全面而导致预测性能不高的缺陷,且使用决策级融合方法进行融合大多依赖支持向量回归算法,但该算法无法有效处理大样本情况.为了解决以上问题,在语音和文本模态的基础上增加动作捕捉(motion capture,Mocap)数据,并针对该多模态数据提出一种基于随机梯度下降(stochastic gradi-ent descent,SGD)的决策级融合维度情感识别方法.结合多任务学习机制,利用不同的深度学习模型分别对语音、文本和Mocap特征进行训练,并基于决策级融合方法实现多模态维度情感识别.在IEMOCAP数据集上的实验结果表明,Mocap数据更有助于提高效价维的值,结合更多情感数据有助于提升维度情感识别的预测性能,基于SGD进行决策级融合得到的一致性相关系数均值高于其他回归算法.
文献关键词：
随机梯度下降;多模态;维度情感识别;特征融合;动作捕捉数据;多任务学习
中图分类号：
作者姓名：
胡新荣;陈志恒;刘军平;彭涛;何儒汉;何凯
作者机构：
纺织服装智能化湖北省工程研究中心 湖北 武汉 430200;湖北省服装信息化工程技术研究中心湖北 武汉 430200;武汉纺织大学 计算机与人工智能学院 湖北 武汉 430200
文献出处：
引用格式：
[1]胡新荣;陈志恒;刘军平;彭涛;何儒汉;何凯-.基于SGD的决策级融合维度情感识别方法)[J].郑州大学学报（理学版）,2022(04):49-54
A类：
维度情感识别,Mocap,动作捕捉数据
B类：
SGD,决策级融合,融合维度,双模态,模态维度,预测性能,融合方法,支持向量回归算法,大样本,motion,capture,多模态数据,随机梯度下降,stochastic,gradi,descent,多任务学习,学习机制,深度学习模型,IEMOCAP,效价,多情,升维,特征融合
AB值：
0.243894
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
