基于增量和集成學(xué)習(xí)的語(yǔ)音情感融合識(shí)別方法研究.pdf

1、語(yǔ)音情感識(shí)別是情感計(jì)算研究方向的重要研究分支，它通過(guò)分析語(yǔ)音中情感的特征，進(jìn)而識(shí)別語(yǔ)音中的情感狀態(tài)。語(yǔ)音情感識(shí)別在翻譯系統(tǒng)、航線(xiàn)監(jiān)控系統(tǒng)、E-learning、移動(dòng)智能終端等領(lǐng)域有廣泛應(yīng)用。由于集成多分類(lèi)器已經(jīng)被證明比單一分類(lèi)器具有更好的識(shí)別效果，聚類(lèi)集成使用反映樣本內(nèi)在結(jié)構(gòu)的聚類(lèi)信息輔助識(shí)別，以提高分類(lèi)器的整體識(shí)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(gè)方面結(jié)合聚類(lèi)信息探索高效、準(zhǔn)確、泛化性能好的語(yǔ)音情感識(shí)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(lèi)信息和多分類(lèi)器集成的語(yǔ)音情感融合識(shí)別方法。在使用多分類(lèi)器集成的語(yǔ)音情感識(shí)別方法中，為了將聚類(lèi)信息融入到語(yǔ)音情感識(shí)別中，同時(shí)避免因語(yǔ)音信號(hào)情感特征分布誤差導(dǎo)致分類(lèi)器總體識(shí)別率低的問(wèn)題，提出基于結(jié)合聚類(lèi)信息和多分類(lèi)器集成的語(yǔ)音情感融合識(shí)別方法。首先使用語(yǔ)音情感訓(xùn)練樣本訓(xùn)練多個(gè)基本分類(lèi)器，使用多種聚類(lèi)方法對(duì)訓(xùn)練樣本進(jìn)行聚類(lèi)劃分;然后為了得到每種聚簇劃分中聚簇號(hào)和類(lèi)別之間的對(duì)應(yīng)關(guān)系，使用圖聚類(lèi)標(biāo)簽傳

3、播算法計(jì)算聚簇類(lèi)別信息。將測(cè)試樣本的聚類(lèi)類(lèi)別信息和基本分類(lèi)器的預(yù)測(cè)結(jié)果使用協(xié)議最大化方法進(jìn)行語(yǔ)音情感識(shí)別。實(shí)驗(yàn)結(jié)果表明:使用圖聚類(lèi)標(biāo)簽傳播算法后，集成多分類(lèi)器的總體識(shí)別率比原有集成多分類(lèi)器提高了8.33％，對(duì)六類(lèi)典型情感的識(shí)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(dòng)態(tài)增量學(xué)習(xí)的語(yǔ)音情感識(shí)別方法。由于樣本之間的分布差異導(dǎo)致樣本間的聚類(lèi)信息存在誤差，為了提高結(jié)合聚類(lèi)信息的集成

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