PDCNN 및 LSTM 알고리즘을 사용한 음성 기반 감정 인식 시스템

초록 감정 분석은 다중 인간-컴퓨터 상호작용 시스템에서 매우 중요하다. 많은 심층 학습 프레임워크가 음성 신호를 사용한 감정 분석을 위해 제시되었다. 그러나 음성 기반 감정 인식의 성능은 일반화 능력이 떨어지고, 장기 의존성이 제한되며, 특징 표현이 열악하고, 음성 스펙트럴 및 시간적 특성의 불균형, 심층 학습 알고리즘 프레임워크의 복잡성 등으로 인해 제한된다. 이 논문은 병렬 깊은 합성곱 신경망과 장단기 기억 네트워크(DCNN-LSTM), 그리고 다중 음향 특징(MAF)을 사용한 음성 기반 감정 인식을 제시한다. 다중 음향 특징은 음성 신호의 특징 구별력을 향상시키기 위해 스펙트럴, 시간 도메인 및 음성 품질 특징으로 구성된다. 또한, 아르키메데스 최적화 알고리즘(AoA)은 두드러진 MAF를 선택한다. AoA 알고리즘의 적합도 함수 가중치는 다속성 기준 이론(MAUT) 알고리즘을 사용하여 자동으로 최적화된다. 제안된 알고리즘의 결과는 행복, 분노, 지루함, 혐오감, 두려움, 중립 및 슬픔의 일곱 가지 감정으로 구성된 베를린 감정 데이터베이스(EMODB)에서 평가된다.