基于Fisher准则和Adaboost的语音情感多分类研究

摘要

随着社会和科技的快速发展,如何有效识别语音情感已经成为人们关注的一个热点.在众多的分类算法中,Adaboost多分类算法得到了较好的应用效果.该算法将生气、开心、中性、伤心和害怕5种语音情感分为三层,由粗到细,逐层识别.基于柏林情感语音库,将提取的语音情感特征利用Fisher准则选择较佳特征作为实验数据,实验结果表明,将相近情感分在一起训练更有利于提升Adaboost算法的分类性能.此外,在与传统的BP和SVM分类模型比较中,Adaboost多分类算法表现出了优越性.