[论文解读] Divide-and-Conquer based Ensemble to Spot Emotions in Speech using MFCC and Random Forest

Abdul Malik Badshah|arXiv (Cornell University)|Oct 5, 2016

Emotion and Mood Recognition参考文献 9被引用 9

一句话总结

本文提出了一种基于MFCC特征和随机森林分类器的分而治之集成框架，用于语音情感识别。通过将情感层次化地划分为中性/情感性、积极/消极性，以及最终的个体情感，该方法通过分阶段、任务特定的预测提升了分类准确率，在基准数据集上的表现优于现有方法。

ABSTRACT

Besides spoken words, speech signals also carry information about speaker gender, age, and emotional state which can be used in a variety of speech analysis applications. In this paper, a divide and conquer strategy for ensemble classification has been proposed to recognize emotions in speech. Intrinsic hierarchy in emotions has been utilized to construct an emotions tree, which assisted in breaking down the emotion recognition task into smaller sub tasks. The proposed framework generates predictions in three phases. Firstly, emotions are detected in the input speech signal by classifying it as neutral or emotional. If the speech is classified as emotional, then in the second phase, it is further classified into positive and negative classes. Finally, individual positive or negative emotions are identified based on the outcomes of the previous stages. Several experiments have been performed on a widely used benchmark dataset. The proposed method was able to achieve improved recognition rates as compared to several other approaches.

研究动机与目标

• 通过利用内在情感层次结构，提升语音情感识别的准确率。
• 通过任务分解，降低多类别情感分类的复杂度。
• 设计一种分阶段的集成框架，利用随机森林分类器增强决策边界。
• 在广泛使用的语音情感识别基准数据集上评估所提出的方法。
• 展示相较于传统单阶段分类模型，识别率的提升效果。

提出的方法

• 该框架构建了一个情感层次树，将分类任务分解为三个连续阶段。
• 在第一阶段，系统使用MFCC特征和随机森林将输入语音分类为中性或情感性。
• 在第二阶段，情感性语音被进一步分类为积极或消极情感类别。
• 在第三阶段，通过专用的随机森林模型在积极或消极分支中识别出个体情感（例如，快乐、愤怒）。
• 提取MFCC作为声学特征，以表征语音信号的频谱特性。
• 采用集成策略，结合各层次阶段的预测结果，以提升整体分类的鲁棒性。

实验结果

研究问题

• RQ1 分层的分而治之策略是否能提升语音情感识别系统的准确率？
• RQ2 与直接的多类别分类相比，基于情感层次的分阶段分类在性能上表现如何？
• RQ3 MFCC特征和随机森林分类器在分层框架中对提升情感识别的贡献程度如何？
• RQ4 所提出的集成方法是否在基准数据集上优于现有的最先进方法？
• RQ5 利用内在情感结构在简化复杂情感分类任务方面有多大的有效性？

主要发现

• 所提出的方法在广泛使用的基准数据集上，相较于多种基线方法，实现了更高的识别率。
• 将任务分解为中性/情感性、积极/消极性以及个体情感三个阶段的层次结构，显著提升了分类性能。
• 使用MFCC作为输入特征，有效捕捉了情感检测相关的声学模式。
• 随机森林分类器在集成框架的每个阶段均表现出强大的泛化能力。
• 分而治之策略降低了多类别情感识别的复杂度，从而带来了更准确的预测结果。
• 在识别准确率方面，该集成方法优于非层次化和单阶段分类模型。