基于集成学习的语音情感识别算法研究

来源：计算机技术与发展杂志2020年第06期北京时间：

作者：李田港;叶硕;叶光明;褚钰

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