基于随机森林分类优化的多特征语音情感识别

• 作者: 帖云 李高玲 齐林
• 来源期刊: 微电子学与计算机
• 关键词: 语音情感识别 随机森林 差分进化 多数投票
• 年，卷（期）: 2019,（1）
• 页码范围: 70-73
• 页数: 4页
• 分类号: TN912.34
• 语种: 中文

摘要

语音情感识别是人机交互的研究热点之一.针对传统随机森林模型(RF)中决策树不分优劣具有同样决策权的不合理性,提出一种差分进化加权优化的随机森林分类模型(DERF).RF中样本的选择及每个节点变量的产生部是随机的,因此每次分类结果会有微小波动.为提高系统分类稳定性及识别准确率,集成构建三个相同的DERF分类器,按照多数投票原则确定最终决策结果.实验中融合语音的时域特征、频域特征、听觉语谱图特征及非线性hurst参数特征,分别选取柏林数据库和CASIA中文库中的五种情感进行识别,结果表明,本文所提方法有效提高了系统识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐林	郑州大学产业技术研究院	78	806	12.0	26.0
2	帖云	郑州大学产业技术研究院	10	11	2.0	3.0
3	李高玲	郑州大学产业技术研究院	1	4	1.0	1.0