語音情感識別的特征選擇與特征產(chǎn)生.pdf

1、語音情感識別是近年的熱門研究領(lǐng)域之一，是人工智能、模式識別、語音信號處理與情感計算的交叉學(xué)科產(chǎn)物，在智能機器、人機交互、遠程教學(xué)、刑事偵探、產(chǎn)品設(shè)計等各個方面都有著重要的應(yīng)用前景。
　　 本文首先介紹了語音情感識別的基礎(chǔ)理論、方法，介紹了最常用的語音情感特征及其提取方法，并使用基于統(tǒng)計學(xué)習(xí)理論的支持向量機對語音情感語料庫進行分類識別，得到了較好的識別效果。
　　 隨后，本文致力于通過特征選擇與特征產(chǎn)生提高語音情感的正確識

2、別率。
　　 特征選擇能夠有效的去除冗余和不相關(guān)特征，提高分類器的正確率和泛化能力。本文介紹了特征選擇的現(xiàn)狀，著重研究了前向浮動序列選擇(SFFS)、ReliefF、基于遺傳算法的特征選擇(GAFS)這三個基本的特征選擇算法在語音情感識別中的性能區(qū)別。實驗結(jié)果顯示GAFS具有較好的特征選擇能力，能夠在較短的時間內(nèi)選擇出具有較高識別能力的語音情感特征，有效的提高語音情感正確識別率。
　　 為了進一步壓縮特征空間、提高語音情

3、感特征識別率，本文進一步研究了特征產(chǎn)生在語音情感識別中的應(yīng)用。特征產(chǎn)生是一個較新的模式識別技術(shù)，它通過將現(xiàn)有特征映射到新的函數(shù)空間來尋找特征之間的關(guān)系、壓縮特征空間，從而獲得更高的識別率。本文簡要介紹了現(xiàn)有的特征產(chǎn)生算法，其中基于基因表達式編程(GEP)的特征產(chǎn)生是較好的特征產(chǎn)生算法。隨后本文提出了一種結(jié)合混合蛙跳算法(SFLA)與GEP的特征產(chǎn)生算法，它能夠有效的改善GEP算法收斂速度慢、容易收斂到局部解的缺點。本文使用由GAFS算法