基于集成学习的语音情感识别算法研究

摘要：

语音情感识别是语音识别的热门方向,心理学将情感识别分为离散型和连续型,离散型情感识别常用的声学特征为韵律学特征、基于谱的相关特征、音质特征,识别方法通常有KNN、SVM、HMM等.提出一种基于距离加权的改进KNN算法,引入类平均距离作为加权依据,并设计一种基于集成学习的加权投票算法,将改进KNN、SVM、BPNN分类方法进行集成,提高语音情感识别率.实验表明,改进后的KNN算法相比传统KNN,识别率在不同语种的语料库上均有提升,最大提升为9. 6% ,且表现结果稳定,准确率与SVM、BPNN大致相当,可用于集成学习;对比单一识别算法,所设计的集成学习算法具有较高可靠性,在生气、高兴、悲伤、惊慌及中性情感上均达到较好的识别效果,实现了离散型语音情感的识别.

关键词：语音识别、情感识别、SVM、W-KNN、BPNN、集成学习

所属期刊栏目：30

分类号：TP301.6(计算技术、计算机技术)

资助基金：2018年度湖北省技术创新专项重大项目2018AAA063

在线出版日期：2020-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：82-86