基于重要性评分的多级随机森林网络语音情感识别

• 作者: 叶吉祥 涂晴宇 陈沅涛
• 来源期刊: 长沙理工大学学报（自然科学版）
• 学科: 文学
• 关键词: 随机森林 多级网络 重要性评分 特征赋权 情感差异 交叉验证
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 77-83
• 页数: 7页
• 分类号: H107
• 字数: 4350字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9331.2019.03.011

摘要

在源数据不充分或不平衡的情况下,深度学习方法在小样本集上难以取得令人满意的语音情感识别效果.因此,本研究构造了一种三层随机森林情感识别网络,在每一层都单独剥离易于区分的情感类别,并通过重要性评分方法,为每一层网络都构造一个识别特定类别的特征集,该特征集的每一个特征都依据贡献度大小得到赋权,以确保对分类贡献越多的特征因子对结果影响越大.本研究构建的多级情感识别网络,在小样本集语音情感识别的整体识别率上,较单层随机森林网络和支持向量机分别提高了5％和7％,较流行的深度学习方法卷积神经网络提高了12％.实验结果和理论分析表明:基于重要性评分的多级随机森林网络相较于其他方法,在源数据样本量较少和部分不平衡的情况下,有更高的识别准确率,具有语音情感识别方向的实际应用意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶吉祥	长沙理工大学计算机与通信工程学院	30	203	10.0	12.0
2	陈沅涛	长沙理工大学计算机与通信工程学院	34	125	7.0	10.0
3	涂晴宇	长沙理工大学计算机与通信工程学院	1	0	0.0	0.0