MATLAB实现基于支持向量机的语音情感识别【语音信号处理实战】.zip

function rate=svmclassfiction(samples,test) %构造五种情感分类器 train1=samples(1:60,:);%用来构造生气-高兴分类模型训练样本 train2=[samples(1:30,:);samples(61:90,:)];%用来构造生气-中性分类模型训练样本 train3=[samples(1:30,:);samples(91:120,:)];%用来构造生气-悲伤分类模型训练样本 train4=[samples(1:30,:);samples(121:150,:)];%用来构造生气-害怕分类模型训练样本 train5=[samples(31:60,:);samples(61:90,:)];%用来构造高兴-中性分类模型训练样本 train6=[samples(31:60,:);samples(91:120,:)];%用来构造高兴-悲伤分类模型训练样本 train7=[samples(31:60,:);samples(121:150,:)];%用来构造高兴-害怕分类模型训练样本 train8=[samples(61:90,:);samples(91:120,:)];%用来构造中性-悲伤分类模型训练样本 train9=[samples(61:90,:);samples(121:150,:)];%用来构造中性-害怕分类模型训练样本 train10=[samples(91:120,:);samples(121:150,:)];%用来构造悲伤-害怕分类模型训练样本 for i=1:30 %正类样本标记 trainlabel(i)=1; end for i=30:60 %负类样本标记 trainlabel(i)=-1; end trainlabel=trainlabel'; svmStruct(1)= svmtrain(train1,trainlabel); %构造两类SVM分类模型 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; %生气情感正确识别个数 sumhap=0; %高兴情感正确识别个数 sumneu=0; %中性情感正确识别个数 sumsad=0; %悲伤情感正确识别个数 sumfea=0; %害怕情感正确识别个数 for i=1:100 for k=1:5 votes(k)=0; %多个SVM分类器将待测样本规定为某一类别个数 end for j=1:10 C(j) = svmclassify(svmStruct(j),test(i,:)); end if(C(1)==1) %第一个判决器结果 votes(1)=votes(1)+1; %生气情感获得票数 elseif(C(1)==-1) votes(2)=votes(2)+1; %高兴情感获得票数 end if(C(2)==1) %第二个判决器结果 votes(1)=votes(1)+1; %生气情感获得票数 elseif(C(2)==-1) votes(3)=votes(3)+1; %中性情感获得票数 end if(C(3)==1) %第三个判决器结果 votes(1)=votes(1)+1; %生气情感获得票数 elseif(C(3)==-1) votes(4)=votes(4)+1; %悲伤情感获得票数 end if(C(4)==1) %第四个判决器结果 votes(1)=votes(1)+1; %生气情感获得票数 elseif(C(4)==-1) votes(5)=votes(5)+1; %害怕情感获得票数 end if(C(5)==1) %第五个判决器结果 votes(2)=votes(2)+1; %高兴情感获得票数 elseif(C(5)==-1) votes(3)=votes(3)+1; %中性情感获得票数 end if(C(6)==1) %第六个判决器结果 votes(2)=votes(2)+1; %高兴情感获得票数 elseif(C(6)==-1) votes(4)=votes(4)+1; %悲伤情感获得票数 end if(C(7)==1) %第七个判决器结果 votes(2)=votes(2)+1; %高兴情感获得票数 elseif(C(7)==-1) votes(5)=votes(5)+1; %害怕情感获得票数 end if(C(8)==1) %第八个判决器结果 votes(3)=votes(3)+1; %中性情感获得票数 elseif(C(8)==-1) votes(4)=votes(4)+1; %悲伤情感获得票数 end if(C(9)==1) %第九个判决器结果 votes(3)=votes(3)+1; %中性情感获得票数 elseif(C(9)==-1) votes(5)=votes(5)+1; %害怕情感获得票数 end if(C(10)==1) %第十个判决器结果 votes(4)=votes(4)+1; %悲伤情感获得票数 elseif(C(10)==-1) votes(5)=votes(5)+1; %害怕情感获得票数 end if(i>=1&&i<=20&&votes(1)>votes(2)&&votes(1)>votes(3)&&votes(1)>votes(4)&&votes(1)>votes(5)) sumang=sumang+1; %生气类样本正确识别个数 end if(i>=21&&i<=40&&votes(2)>votes(1)&&votes(2)>votes(3)&&votes(2)>votes(4)&&votes(2)>votes(5)) sumhap=sumhap+1; %高兴类样本正确识别个数 end if(i>=41&&i<=60&&votes(3)>votes(2)&&votes(3)>votes(1)&&votes(3)>votes(4)&&votes(3)>votes(5)) sumneu=sumneu+1; %中性类样本正确识别个数 end if(i>=61&&i<=80&&votes(4)>votes(1)&&votes(4)>votes(2)&&votes(4)>votes(3)&&votes(4)>votes(5)) sumsad=sumsad+1; %悲伤类样本正确识别个数 end if(i>=81&&i<=100&&votes(5)>votes(1)&&votes(5)>votes(3)&&votes(5)>votes(4)&&votes(5)>votes(2)) sumfea=sumfea+1; %害怕类样本正确识别个数 end end rate=[sumang/20,sumhap/20,sumneu/20,sumsad/20,sumfea/20]; rate bar(rate,0.5); set(gca,'XTickLabel',{'生气','高兴','中性','悲伤','害怕'}); ylabel('识别率'); xlabel('五种基本情感');