基于融合特征选择方法的语音情感识别
吉训生
罗展
谢捷
江南大学物联网工程学院 无锡 214028
摘要：针对复杂高维的语音情感特征,特征选择对降低模型复杂度和提高情感识别率具有重要意义.为了降低特征维度,提出一种融合特征选择方法,根据不同的评价准则经过过滤和包装方法选择最优特征子集.在过滤方法ReliefF中,引入k个最近邻或非最近邻样本之间的平均距离来估计样本之间的差异,有效地评估样本中特征的权重值,去掉权值为负的不相关特征向量,由此生成的约简特征向量作为融合特征选择第二阶段的输入.包装方法使用两阶变异灰狼优化算法,该方法考虑了特征与分类算法之间的交互作用,并且引入两阶变异算子以提升算法的开发效率.实验提出随机森林权值初始化方法,在种群初期保留大部分显著特征,加速算法收敛.实验结果表明,该方法可以有效降低特征维度的同时提升分类性能.使用支持向量机分类器在EMODB和SAVEE数据集上分别取得90.66%和78.96%的分类精度,特征维数从1582分别降到366和255.
关键词：语音情感识别灰狼算法ReliefF方法特征选择融合算法
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(61902154)江苏省自然科学基金(BK2019043526)江苏省重点研发项目(BE2018334)
论文发表日期：2025-07-20
在线出版日期：2025-09-25（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1880-1884 )
英文信息