基于改进K均值聚类的语音情感识别深度学习方法

来源：计算机应用与软件杂志2024年第9期北京时间：

作者：李巧君, 郭彍

摘要：针对当前语音情感识别(Speech Emotion Recognition，SER)方法中准确性低和时间复杂度高的问题，提出一种基于改进K均值聚类的语音情感识别深度学习方法。采用改进的K-均值聚类算法从整个音频信号中选取反映情感特征的关键片段；使用短时傅里叶变换将所选序列转化为一个谱图；利用深度残差模型ResNet和深度双向长短时记忆Bi-LSTM网络从空间和时间上学习表征谱图中与情感相关的隐藏特征，基于Softmax分类器获得最终的情感分类。实验结果表明，所提方法比其他识别方法具有明显的优势，在改善情感识别率的同时，降低了模型的处理时间。

关键词：语音情感识别, 深度双向长短时记忆, K-均值聚类, 短时傅里叶变换