面向中文语音情感识别的改进栈式自编码结构

摘要：

为进一步提高汉语语音情感识别率,基于深度学习中的自编码、降噪自编码及稀疏自编码的网络结构,提出了一种改进的栈式自编码结构.该结构第1层使用降噪自编码学习一个比输入特征维数更大的隐藏特征,第2层采用稀疏自编码学习稀疏性特征,最后使用softmax分类器进行分类识别.训练过程首先采用逐层预训练的方法,达到网络参数全面初始化的目的,然后对整个网络进行微调.在中文语音库上的情感识别实验显示,相较于单独使用栈式降噪或稀疏自编码,所提结构具有更好的识别效果.此外,基于CASIA库的对比实验显示,该结构比K近邻算法、稀疏表示方法、传统支持向量机和人工神经网络识别率分别提高了53.7%,29.8%,14.3%和1.9%.在自行录制的语音库中,该结构的识别率比人工神经网络提高了1.64%.

关键词：语音情感识别、改进的栈式自编码、降噪自编码、稀疏自编码

所属期刊栏目：47

分类号：TP391.42(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61375028,61571106,61673108;江苏省青蓝工程资助项目、江苏省博士后科研资助计划资助项目1601011B;江苏省"六大人才高峰"资助项目2016-DZXX-023;中国博士后科学基金资助项目2016M601695

在线出版日期：2017-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：631-636