曹同学的博客

原创 新的一天

时隔多日，又得开始更新每次都是新的开始，加油，向前冲！def f(keep): print('keep learnning')

原创 语音情感识别研究现状

语音情感识别研究现状情感是什么语音情感识别是什么为什么要研究语音情感识别语音情感识别方法语音情感识别未来趋势情感是什么情感是什么：按照当前心理学研究表示为情绪，或者是感觉的体现。这些都是抽象的虚拟的无法作为具体的表现，是一种充满主观性质的内容。语音情感识别是什么语音情感识别是将语音作为识别情感的依据，因为语音当中包含很多语音情感的表现，类似于语速：代表着说话的快慢，重口音，以及音高基频等韵律相关的特征，当然也有mel-倒谱系数这样的同样可以作为判断情感的识别因素，所以语音情感识别能够将语音当中包含的

原创 EMO-DB 数据集的 Speech 特征提取

EMO-DB 数据集的 Speech 特征提取数据集介绍提取相关特征总结数据集介绍- EMO-DB数据集是由柏林工业大学录制的德语情感语音库- 535条语音文件（一共有十名演员其中五男五女）其中语句内容包含日常生活用语的5个短句和5个长句，具有较高情感自由度，不包含某一特定情感倾向。采用16kHZ采样，16bit量化，并以WAV格式保存文件。- 其中情绪组成：anger, neutral, fear, boredom, happiness, sadness, disgust.主要是用到这个语音标

原创 KNN GMM语音情感识别（IEMOCAP）

def GMM(): data_mfcc,data_label = IEMPCAP_dataset.ge_dataset() print(len(data_mfcc),":",len(data_label)) # GMM模型 K = 4 gmm = GMM(data_mfcc,K) gmm.GMM_EM() y_pre = gmm.prediction print("GMM预测结果：\n",y_pre) print("GMM正确率为：\

原创 SVM分类语音情感识别（IEMOCAP）

数据加载数据提取方式，利用前面的文章，提取MFCC，作为特征结果，并且取定长的语音长度为特征，保证输入的长度一致如果需要提取不定长度的可以直接使用PS 或者其他工具直接提取MFCC这里提到一下，time=300意味着，是300帧，也就是定长3s+15ms的长度 一帧的帧移动是10ms 也就是10*300+25-10def mfcc_extract(file_name): data, time, rate = mfcc_read_file(filename=file_name) #提

原创 Opensmile提取相关的语音特征

import osimport numpy as npimport csvfrom util import util_extract# 每个特征集的特征数量FEATURE_NUM = { 'IS09_emotion': 384, 'IS10_paraling': 1582, 'IS11_speaker_state': 4368, 'IS12_speaker_trait': 6125, 'IS13_ComParE': 6373, 'ComParE_2

原创 AN INTERACTION-AWARE ATTENTION NETWORK FOR SPEECH EMOTION RECOGNITION IN SPOKEN DIALOGS -情感识别论文学习

语音情感识别论文学习分享

原创 服务器安装Centos7，安装驱动，挂载硬盘，开启自动挂载硬盘

. 第一步使用进行U盘启动的准备计划注册码如下用户名：王涛注册码：7C81-1689-4046-626F. 第二步可以开始正式装机了首先就是直接启动选择U盘启动 设置boot 里面U盘作为第一启动项目然后开始依次安装完成如果你的是多个硬盘直接选择高速的作为主启动盘 然后其他的可以作为挂载操作 挂上去就行. 现在来到了安装完成的界面了 设置完root 密码和一个admin账户 就直接坐等开机重启了进入了正式的黑色界面了黑色的 啥也看不出来. 进入主体的第四步骤，服.

原创 INTERACTION AND TRANSITION MODEL FOR SPEECH EMOTION RECOGNITION IN DIALOGUE 语音情感识别（对话级别的论文）

Interaction and Transition Model for Speech Emotion Recognition in Dialogue 简单介绍论文结构总结简单介绍作者、单位：这篇文章简单介绍一下，本来语音情感识别的对象都是sentence 而不是dialogue，相比而言，就不需要知道上下文的相关信息，而大部分的数据库的标注都是有分开也有放在一起的，比较知名的数据库IEMOCAP就是既有对话也有短句，这篇文章的目的就是基于对话级别的来进行判断连续对话的情感识别，因为之前我也讲过，连续

原创 IEMOCAP-数据集文件预处理

import osimport globimport waveimport python_speech_features as psimport numpy as npimport pickledef read_wavefile(filename): #开始读取wav文件 file = wave.open(filename,'r') params = file.getparams() #获取得到的所有参数 n_channels, samp_with, fram_r

原创 HNB：ON THE FUSION OF STATIC AND DYNAMIC FEATURES FOR SPEECH EMOTION RECOGNITION - 语音情感识别论文

HIERARCHICAL NETWORK BASED ON THE FUSION OF STATIC AND DYNAMICFEATURES FOR SPEECH EMOTION RECOGNITION文章介绍结构分析总结讨论FEATURES FOR SPEECH EMOTION RECOGNITION)文章介绍作者文章位置2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (

原创 COPYPASTE: AN AUGMENTATION METHOD FOR SPEECH EMOTION RECOGNITION -论文阅读

COPYPASTE: AN AUGMENTATION METHOD FOR SPEECH EMOTION RECOGNITION 文章介绍结构分析总结讨论文章介绍authorpublisher2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)结构分析BackgroundMethodStructure总结讨论Result

原创 语音处理-VC(voice conversion) 语音转换_API实现

代码为标贝开源的资源 来实现语音的转换VC# -*- coding: utf-8import argparseimport jsonimport wavefrom scipy.io import wavfileimport sysimport requestsimport websocketfrom pathlib import Pathimport fnmatchimport osimport time'''* 发音人列表 * 邻家女声_静静 Vc_jingj

原创 咕咕咕咕咕咕

最近是个鸽子精

原创 Emotion recognition from speech: a review -论文阅读

Emotion recognition from speech: a review文章介绍结构分析总结讨论文章介绍论文名字 Emotion recognition from speech: a review作者 Shashidhar G. Koolagudi · K. Sreenivasa Rao论文背景 这篇文章时间比较早2012年的时间，当时对于语音情感识别的一个展望还是很大的，当时的一些想法到现在已经是陆续得到了很多论文的验证，但是作为一篇领进的文章而言，这篇文章还是很不错的结构分析分

原创 语音处理-MFCC

MFCC参数提取原理代码过程结果图原理代码过程import numpy as npfrom scipy.io import wavfilefrom scipy.signal import lfilterimport matplotlib.pyplot as pltdef enframe(x, win, inc=None): """ 对语音信号进行分帧 args： x:输入信号 win:窗口大小 return:返回的是分帧后的数据 ""

原创 A Speech Emotion Recognition Framework for Better Discrimination of Confusions-语音论文阅读

A Speech Emotion Recognition Framework for Better Discrimination of Confusions文章结构[A Speech Emotion Recognition Framework for Better Discrimination of Confusions](https://www.isca-speech.org/archive/pdfs/interspeech_2021/liu21n_interspeech.pdf)一级目录二级目录三级目

原创 keeping

很久没写排序算法，然后看了下算法视频，想写个基础的插入排序，并入归并，都写了十几分钟有时候不经常去练习 总是会生疏的package ZuoStudy;public class insert_sort { public static void main(String[] arg){ int[] name = {1,3,10,2,5}; insert_sort(0, name.length,name); for (int i:name

原创 语音处理-批量文件处理静默区删除

#include<stdio.h>#include<malloc.h>#include<stdlib.h>typedef int type;typedef struct lnode //定义链表结点的数据结构{ int data; struct lnode *next;}Lnode;typedef Lnode node;vo...

原创 Pycharm中关掉python console

问题描述： 某天发现导入的python项目每次都有很多的python console 小窗口搁哪儿放着，必须解决上面是安静了会儿的控制台 舒服多了解决步骤：最后说明下 启动过的项目还是需要用上面的治标不治本的方式才能够解决问题，但是后面创建的项目都是可以正常的...

原创 语音处理-加窗分帧

from scipy.io import wavfileimport matplotlib.pyplot as pltimport numpy as npplt.rcParams['font.family'] = ['sans-serif']plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False#开始针对这个将获取好的数据进行使用窗口和帧长进行分割def enframe(x.

原创 力扣1、两数之和

问题描述给定一个整数数组 nums和一个整数目标值 target，请你在该数组中找出 和为目标值 target的那两个整数，并返回它们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出思路： 1、因为这题只会存在一个答案说明给定的数都是唯一固定的，所以可以先将所有的数值放入hash表当中，然后依次遍历即可，比如遍历到第一个数据的时候，可以直接使用target数值-当前遍历的数值 直接查询即可，若有直接返回该数值即可...

原创 机器学习 1

原创 机器学习 2

a、训练b、验证c、测试是指模型训练过程中对参数调节过于细致导致，从而导致对训练数据学习过度是指选择的模型过于复杂以至于对训练数据描述得过于细致在保证模型表达能力的前提下尽量选择简单的模型以保证模型的适用性生成模型和区分性模型 生成模型：建立对数据的描述模型，然后再基于该描述模型完成任务 GMM、HMM、RBM 区分性模型：不以描述数据来做中间步骤 而是直接对任务进行建模 线性归回、逻辑回归模型、条件随机场、支持...

原创 HBase Shell 启动非常慢 & 写入命令出现 ERROR: KeeperErrorCode = NoNode for /hbase/master

问题简单描述在根据相关教程已经写好的了环境和一些配置文件的代码 最终启动的时候还是显示如下错误ERROR: KeeperErrorCode = NoNode for /hbase/master不仅如此，而且启动HBase 的时候也非常慢解决：在hbase/conf/hbase-site.xml 这个文件增加下面的代码<property><name>hbase.unsafe.stream.capability.enforce</name><value

原创 Hadoop Mkdirs failed to create /user/hadoop (exists=false, cwd=file:/home/hadoop/eclipse-work

问题描述：在Linux桌面版的eclipse环境下执行如下代码出现问题Hadoop Mkdirs failed to create /user/hadoop (exists=false, cwd=file:/home/hadoop/eclipse-work代码如下import java.io.IOException;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.FSDataOutputStrea

原创 数学建模-TOPSIS（优劣解距离法）

TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）优劣解距离法TOPSIS是一种常用的综合评价方法，能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距其基本过程为 先将原始数据矩阵统一指定类型（正向化处理），然后可以得到正向化的矩阵，再对正向化矩阵进行标准化处理以消除各指标 部分对于整体的影响，并找到有限方案中的最有方案和最劣方案，然后分别计算各评价对象与最优方案和最劣方案之间的距离，并获得各

原创 数学建模层次分析法

层次分析法层次分析法关键还是在于一致矩阵什么是一致矩阵一致矩阵的性质是：若矩阵中每个元素 并且aij∗aji=1aij * aji = 1aij∗aji=1则我们称该矩阵为正互反矩阵若正互反矩阵满足aij∗ajk=aikaij * ajk = aikaij∗ajk=aik我们称其为一致矩阵这就是一致矩阵的性质在正常计算中，我们创建的是正互反矩阵 ，而正互反矩阵到一致矩阵是需要检验的 称之为一致性检验层次分析法中 有如下三种计算权重方法算术平均法求权重

原创 git clone Failed connect to github.com:443；Connectrion time out

异常问题：Failed connect to github.com:443;Connectrion time out第一类 不可以访问github 但是git clone 不了的 建议先进行git代理工作的设置例如在虚拟机里面 可以设置下主机代理等第二类 可以访问github 但是git clone 出现端口访问异常 推荐使用下面的设置git config --global url,"https://".insteadof git://"其实这个作用和你直接进行把https:-&gt

原创 查看端口干掉端口进程

查看端口使用情况lsof -i 端口号可以看到是那个PID占用了开始干掉kill -9 PID

原创 语音识别工具kaldi虚拟机安装

首先是安装好虚拟机先开始更新所有的数据包因为我虽然是本地的 但还是使用的是Xshell进行远程连接虚拟机进行命令行的输入sudo apt-get upgradesudo apt install g++正文开始开始下载kaldi文件 因为是github上面的内容所以需要你的Vmware设置成科学上网 详细的在这儿 这个兄弟这里我这里直接引用下git clone https://github.com/kaldi-asr/kaldi.git在官方git上 给出了具体的安装方.

转载 jupyter切换python环境（文章为转载）

图解Windows10下如何更换Jupyter Notebook 内核Python版本（切换原始的python环境）问题描述启动Jupyter Notebook之后它会自动加载原始的python环境，如下图所示：但是自己又在Anaconda中下载了新的虚拟环境，很多库都在这个虚拟环境中，那么如何让Jupyter Notebook加载自己的这个虚拟环境呢？更换步骤打开命令行窗口，输入：conda env list查看Anaconda中已经安装的虚拟环境，顺便看下自己准备要切换的虚拟环境，如下图所示：

原创 爬虫进行isca-speech分会场的pdf批量下载&部分问题解决

首先目标进行分会场的文件下载如：这里我们需要将该页面的文件进行下载一共三步：第一步，将整个页面进行获取保存第二步，保存后的页面，将其中我们需要的超链接进行获取和保存第三步，将第二步骤的超链接list，进行文件的下载致此文件下载完毕部分问题描述遇到证书问题就是那个SSLCertVerificationError: [SSL: CERTIFICATE_VERIFY_FAILED]import sslssl._create_default_https_context=ssl._cr

原创 安装Anaconda &Jupyter Notebook&修改默认路径问题

1、安装Anaconda没什么需要注意的，都OK2、安装Jupyter的时候需要注意以下几点1）如果需要修改根目录位置的话，跟随以下步骤进行下去因为第一次安装的时候，Jupyter是没有 jupyter_notebook_config.py 这个文件的->没有这个目录就没有那个文件所以先进入Windows 命令窗口 Win +R执行下面的命令，就会成功生成文件jupyter notebook --generate-config文件如下拿到文件第一步...

原创 启发式搜索之八皇后问题

问题描述->移步前面主要公式fx=gx+hx* g(x)：针对于初始节点，到目标节点实际所需要付出的带价* h(x)：针对初始节点，到目标节点所需要的估计带价* 在八皇后问题上，估计带价，是自己预定的，此处设置，其为皇后的碰撞对数，当然，估计是最优* 的问题，就是0，无碰撞才是最优的结果。注释都有，自行消化package Heuristically_reserach_eight_queen;/** * @Author CRH * @Date 2020/11/25 10:05 *

原创 优化爬山法之八皇后问题

### 问题描述，八皇后算法描述：爬山法，是以当前最优，可能会导致结果陷入到局部最优，所以本代码为改进版本的随机重启的爬山法。让陷入无限循环的对象，直接重启，进入新的环境进行爬山。形象的将棋盘的每一行，看成山~而所有位置是0-7为所有的点，最优函数，计算的是整个棋盘的皇后碰撞对数。所以，每一次爬山，就是算，哪个位置可以使得函数最优初始化：棋盘，以行为例够形象些，然后去想象爬山public static int[] init_queen(int[] queen_array){

原创 力扣两个数相加

问题描述代码如下import java.util.Scanner;public class two_number_account { static class ListNode{ ListNode next; int value; public ListNode(ListNode next, int value) { this.next = next; this.value = value;

原创 遗传算法之八皇后问题

遗传算法解决八皇后问题简单描述八皇后问题：具体可以移步到另一个blog八皇后问题遗传算法:遗传算法（Genetic Algorithm, GA）起源于对生物系统所进行的计算机模拟研究。它是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法，借鉴了达尔文的进化论和孟德尔的遗传学说。其本质是一种高效、并行、全局搜索的方法，能在搜索过程中自动获取和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最佳解。具体的流程图如下选择亲代计算适应度淘汰掉适应度低的个体进行选择操作进行交叉操作进

原创 一点点得进阶

notDeal_sentence = sentence.split('|')[2].strip('\n').translate(str.maketrans('', '', string.punctuation)) 作用:将多行文本中，第三个|隔开得句子，进行切分，并且去掉结尾的\n换行符，以及将所有标点符号去掉。word_sentence_list.append(notDeal_sentence)作用:向List添加数组word_array = np.zeros((a,b,dty.

原创 NLP-二元语法模型的建立

二元语法模型，从语料库中筛选出自己需要的数据，并且对其进行加工处理，如统计无重复单词的次数，和无重复单词构成的二维数组，并且将其进行计算赋值。任务