基于遺傳優(yōu)化的多級(jí)SVM語(yǔ)音情感識(shí)別.pdf

1、語(yǔ)言是人類(lèi)交流信息的主要媒介，它不僅包含豐富的語(yǔ)義信息，而且承載豐富的情感信息。如何使計(jì)算機(jī)從語(yǔ)音信號(hào)中識(shí)別出說(shuō)話(huà)人的情感狀態(tài)，從而實(shí)現(xiàn)自然人機(jī)交互，具有重要的研究意義。針對(duì)語(yǔ)音情感識(shí)別中識(shí)別速度慢以及精度低的問(wèn)題，本文提出通過(guò)構(gòu)建二叉樹(shù)結(jié)構(gòu)的多級(jí)SVM對(duì)多類(lèi)情感進(jìn)行分類(lèi)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(yǔ)音情感識(shí)別系統(tǒng)的識(shí)別性能。
　　本文首先對(duì)語(yǔ)音信號(hào)進(jìn)行預(yù)加重、加窗分幀、端點(diǎn)檢測(cè)等預(yù)處理后提取語(yǔ)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(guò)構(gòu)建二叉樹(shù)結(jié)構(gòu)的多級(jí)SVM對(duì)多類(lèi)情感進(jìn)行分類(lèi)，該模型采用先將容易區(qū)分的情感分開(kāi)，進(jìn)行粗分類(lèi)，然后對(duì)容易混淆的情感進(jìn)行細(xì)分類(lèi)的“先易后難”原則，逐層實(shí)現(xiàn)對(duì)多類(lèi)情感的分類(lèi)。在包含7種情感的柏林情感語(yǔ)料庫(kù)上進(jìn)行實(shí)驗(yàn)，結(jié)果證明該模型在保持SVM高效分類(lèi)優(yōu)勢(shì)的同時(shí)，還發(fā)揮了二叉樹(shù)結(jié)構(gòu)高效計(jì)算的特點(diǎn)。
　　由于不同特征對(duì)情感的區(qū)分能力不一樣，并且特征維數(shù)太高在建模時(shí)容易出現(xiàn)過(guò)擬合現(xiàn)象，導(dǎo)致建模時(shí)間

3、長(zhǎng)，識(shí)別精度低，因此可以通過(guò)對(duì)提取的情感特征進(jìn)行優(yōu)化篩選后對(duì)分類(lèi)模型進(jìn)行訓(xùn)練，以進(jìn)一步優(yōu)化二叉樹(shù)結(jié)構(gòu)的多級(jí)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(yǔ)料庫(kù)上進(jìn)行實(shí)驗(yàn)，結(jié)果證明使用降維后的情感特征對(duì)分類(lèi)模型進(jìn)行訓(xùn)練，能有效提高系統(tǒng)的識(shí)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(diǎn)是首先利用貪心無(wú)