情感识别音频信号：利用OpenSmile、PCA及Scikit-...

简介：
本文探讨了通过OpenSmile工具提取音频特征，并结合主成分分析（PCA）和机器学习库Scikit-learn进行降维与分类，实现对情感的有效识别。 使用OpenSmile库从SAVEE数据库中的音频信号进行情感识别是一项有启发性的研究工作。SAVEE数据库由萨里大学的四名以英语为母语的男性说话者（分别为DC、JE、JK、KL）录制，包括7种不同情绪和480个英国英语发音。OpenSmile用于从.wav文件中提取特征，并生成1582个特征。之后采用主成分分析方法减少维度，最后使用了不同的算法进行分类。 这些情感类别分别是：愤怒、厌恶、恐惧、快乐、悲伤、惊讶以及中立情绪。 使用的多层感知器分类器和Logistic回归+ lbfgs解算器的模型表现分别为0.8021（四舍五入到小数点后六位）。