基于遺傳優(yōu)化的多級SVM語音情感識別.pdf

1、語言是人類交流信息的主要媒介，它不僅包含豐富的語義信息，而且承載豐富的情感信息。如何使計算機從語音信號中識別出說話人的情感狀態(tài)，從而實現(xiàn)自然人機交互，具有重要的研究意義。針對語音情感識別中識別速度慢以及精度低的問題，本文提出通過構(gòu)建二叉樹結(jié)構(gòu)的多級SVM對多類情感進(jìn)行分類的方案，并使用遺傳算法進(jìn)行特征降維，以進(jìn)一步提高語音情感識別系統(tǒng)的識別性能。
　　本文首先對語音信號進(jìn)行預(yù)加重、加窗分幀、端點檢測等預(yù)處理后提取語音能量、基音周期

2、、共振峰以及MFCC等常用的情感特征，然后通過構(gòu)建二叉樹結(jié)構(gòu)的多級SVM對多類情感進(jìn)行分類，該模型采用先將容易區(qū)分的情感分開，進(jìn)行粗分類，然后對容易混淆的情感進(jìn)行細(xì)分類的“先易后難”原則，逐層實現(xiàn)對多類情感的分類。在包含7種情感的柏林情感語料庫上進(jìn)行實驗，結(jié)果證明該模型在保持SVM高效分類優(yōu)勢的同時，還發(fā)揮了二叉樹結(jié)構(gòu)高效計算的特點。
　　由于不同特征對情感的區(qū)分能力不一樣，并且特征維數(shù)太高在建模時容易出現(xiàn)過擬合現(xiàn)象，導(dǎo)致建模時間

3、長，識別精度低，因此可以通過對提取的情感特征進(jìn)行優(yōu)化篩選后對分類模型進(jìn)行訓(xùn)練，以進(jìn)一步優(yōu)化二叉樹結(jié)構(gòu)的多級SVM。本文使用遺傳算法進(jìn)行特征降維，即從提取的若干特征中篩選出關(guān)鍵特征，該方法是一種自適應(yīng)的全局最優(yōu)解搜索方法，并且不改變所選特征的數(shù)值，能構(gòu)造出較好的模型。同樣在柏林情感語料庫上進(jìn)行實驗，結(jié)果證明使用降維后的情感特征對分類模型進(jìn)行訓(xùn)練，能有效提高系統(tǒng)的識別率。
　　深度置信網(wǎng)絡(luò)作為一種深度學(xué)習(xí)結(jié)構(gòu)，它的特點是首先利用貪心無