Многокритериальный метод отбора признаков и построения коллектива нейронных сетей для решения задачи распознавания эмоций

Применен подход многокритериальной оптимизации, чтобы найти парето-оптимальный коллектив нейронных сетей, используемых для решения задачи распознавания эмоций. Поиск парето-множества нейросетей ведется путем оптимизации двух противоречивых критериев: максимизируется точность распознавания эмоций и минимизируется число нейронов сети. Реализовано несколько методов слияния классификаторов в коллективе: голосование, усреднение вероятностей классов, добавление вспомогательного слоя метаклассификации. Так как количество извлеченных для анализа аудио- и видеопризнаков достаточно велико, также применен многокритериальный подход для нахождения оптимального подмножества признаков. В данном случае оптимизируются следующие критерии: максимизируется точность классификации и минимизируется количество признаков. Многокритериальный подход к оптимизации параметров нейросетей и к отбору признаков был сравнен с классическим однокритериальным подходом на нескольких выборках. Согласно полученным экспериментальным результатам, с помощью многокритериального метода оптимизации нейронных сетей удалось достичь в среднем на 7,1 % лучшей точности классификации эмоций, чем с помощью однокритериального метода. Применение многокритериального метода к отбору информативных признаков также позволило улучшить точность классификации на 2,8 % по сравнению с однокритериальным методом, на 5,4 % по сравнению с использованием метода главных компонент и на 13,9 % по сравнению с использованием всех признаков, без процедуры снижения размерности. Беря во внимание полученные результаты, рекомендовано использовать многокритериальный подход для оптимизации алгоритмов машинного обучения и для отбора информативных признаков в дальнейших исследованиях, связанных с задачей распознавания эмоций и другими сложными задачами классификации.