基于增量和集成學習的語音情感融合識別方法研究.pdf

1、語音情感識別是情感計算研究方向的重要研究分支，它通過分析語音中情感的特征，進而識別語音中的情感狀態(tài)。語音情感識別在翻譯系統(tǒng)、航線監(jiān)控系統(tǒng)、E-learning、移動智能終端等領域有廣泛應用。由于集成多分類器已經(jīng)被證明比單一分類器具有更好的識別效果，聚類集成使用反映樣本內在結構的聚類信息輔助識別，以提高分類器的整體識別率，因此，本文的主要工作是從增量學習和融合算法兩個方面結合聚類信息探索高效、準確、泛化性能好的語音情感識別方法。論文主要工

2、作內容如下:
　　(1)提出基于結合聚類信息和多分類器集成的語音情感融合識別方法。在使用多分類器集成的語音情感識別方法中，為了將聚類信息融入到語音情感識別中，同時避免因語音信號情感特征分布誤差導致分類器總體識別率低的問題，提出基于結合聚類信息和多分類器集成的語音情感融合識別方法。首先使用語音情感訓練樣本訓練多個基本分類器，使用多種聚類方法對訓練樣本進行聚類劃分;然后為了得到每種聚簇劃分中聚簇號和類別之間的對應關系，使用圖聚類標簽傳

3、播算法計算聚簇類別信息。將測試樣本的聚類類別信息和基本分類器的預測結果使用協(xié)議最大化方法進行語音情感識別。實驗結果表明:使用圖聚類標簽傳播算法后，集成多分類器的總體識別率比原有集成多分類器提高了8.33％，對六類典型情感的識別率提高至73.89％，比SVM和Ada Boost高出3.33％和8.99％。
　　(2)提出基于動態(tài)增量學習的語音情感識別方法。由于樣本之間的分布差異導致樣本間的聚類信息存在誤差，為了提高結合聚類信息的集成

4、多分類器的泛化能力，則對該集成多分類器進行增量學習。首先根據(jù)訓練樣本的聚類劃分動態(tài)選擇近鄰訓練樣本對新增測試樣本進行融合識別;然后根據(jù)選定近鄰樣本的識別結果對集成多分類器中的聚類信息進行增量學習，如果選定近鄰樣本的識別率低于設定閾值，則將新增測試樣本及錯誤識別的樣本歸為一個新簇，并重新計算集成多分類器的聚類信息，否則直接將新增測試樣本加入訓練樣本集便于后續(xù)樣本的識別。將此算法應用于語音情感識別，實驗結果表明，該方法對6種典型情感的平均識