28、情感检测算法的实现与实验分析

情感检测算法的实现与实验分析

1. 梅尔倒谱系数（Mel Cepstrum Coefficients）

梅尔倒谱系数在信号处理中有着重要作用，对于 K 个系数，其计算公式为：
[
cm(k) = \sum_{m = 0}^{M - 1} Y^*(m) \cos(\frac{\pi \cdot k(m + \frac{1}{2})}{M}), 0 \leq k < K
]
其前两步与线性预测倒谱系数（LPCC）算法相同。

2. 分类器过程

一个通用的分类器过程是使用一组判别函数 (g_i: R^n \to R)（(i = 1.. c)）对输入 (x) 进行分析，每个判别函数会给出一个对应 1 到 (c) 类别的分数，输入会被分类到分数最高的类别中。分类器的性能可以通过分类错误率和分类准确率来衡量，分类错误率为误分类的数量除以输入的总数，分类准确率为 (1 -) 分类错误率。

在训练阶段，分类器会使用尽可能多的输入组合来配置判别函数的参数。设计分类器时可以使用输入集 (S) 并在子集 (R \subseteq S) 上进行测试。若 (R) 接近 (S)，分类器的性能会提高。主要的测试方法有：
- 重代入法（R - method，(R = S)）
- 留出法（H - method，(R) 是 (S) 的一半）
- 交叉验证法（将 (S) 分成 (K) 个相同大小的子集，用 (K - 1) 个子集训练，剩下的子集测试，重复该过程 (K) 次并取 (K) 次估计的平均值）

常见的分类器算法如下：
- k - 最近邻分类器（kNN）