基于增量和集成學(xué)習(xí)的語音情感融合識別方法研究.pdf

1、語音情感識別是情感計算研究方向的重要研究分支，它通過分析語音中情感的特征，進(jìn)而識別語音中的情感狀態(tài)。語音情感識別在翻譯系統(tǒng)、航線監(jiān)控系統(tǒng)、E-learning、移動智能終端等領(lǐng)域有廣泛應(yīng)用。由于集成多分類器已經(jīng)被證明比單一分類器具有更好的識別效果，聚類集成使用反映樣本內(nèi)在結(jié)構(gòu)的聚類信息輔助識別，以提高分類器的整體識別率，因此，本文的主要工作是從增量學(xué)習(xí)和融合算法兩個方面結(jié)合聚類信息探索高效、準(zhǔn)確、泛化性能好的語音情感識別方法。論文主要工

2、作內(nèi)容如下:
　　(1)提出基于結(jié)合聚類信息和多分類器集成的語音情感融合識別方法。在使用多分類器集成的語音情感識別方法中，為了將聚類信息融入到語音情感識別中，同時避免因語音信號情感特征分布誤差導(dǎo)致分類器總體識別率低的問題，提出基于結(jié)合聚類信息和多分類器集成的語音情感融合識別方法。首先使用語音情感訓(xùn)練樣本訓(xùn)練多個基本分類器，使用多種聚類方法對訓(xùn)練樣本進(jìn)行聚類劃分;然后為了得到每種聚簇劃分中聚簇號和類別之間的對應(yīng)關(guān)系，使用圖聚類標(biāo)簽傳

3、播算法計算聚簇類別信息。將測試樣本的聚類類別信息和基本分類器的預(yù)測結(jié)果使用協(xié)議最大化方法進(jìn)行語音情感識別。實(shí)驗(yàn)結(jié)果表明:使用圖聚類標(biāo)簽傳播算法后，集成多分類器的總體識別率比原有集成多分類器提高了8.33％，對六類典型情感的識別率提高至73.89％，比SVM和Ada Boost高出3.33％和8.99％。
　　(2)提出基于動態(tài)增量學(xué)習(xí)的語音情感識別方法。由于樣本之間的分布差異導(dǎo)致樣本間的聚類信息存在誤差，為了提高結(jié)合聚類信息的集成

4、多分類器的泛化能力，則對該集成多分類器進(jìn)行增量學(xué)習(xí)。首先根據(jù)訓(xùn)練樣本的聚類劃分動態(tài)選擇近鄰訓(xùn)練樣本對新增測試樣本進(jìn)行融合識別;然后根據(jù)選定近鄰樣本的識別結(jié)果對集成多分類器中的聚類信息進(jìn)行增量學(xué)習(xí)，如果選定近鄰樣本的識別率低于設(shè)定閾值，則將新增測試樣本及錯誤識別的樣本歸為一個新簇，并重新計算集成多分類器的聚類信息，否則直接將新增測試樣本加入訓(xùn)練樣本集便于后續(xù)樣本的識別。將此算法應(yīng)用于語音情感識別，實(shí)驗(yàn)結(jié)果表明，該方法對6種典型情感的平均識