Генетические алгоритмы многокритериальной оптимизации как эффективный инструмент отбора признаков в задаче распознавания эмоций по речи

Отбор информативных признаков является одним из важных этапов анализа данных. Извлечение релевантных атрибутов может не только снизить размерность набора данных, а следовательно, сократить временные затраты на последующих стадиях, но и улучшить качество финального решения. Демонстрируются положительные эффекты использования эвристической схемы отбора информативных признаков, основанной на двухкритериальной оптимизационной модели. Предлагаемый подход применяется к задаче распознавания эмоций человека по речи, что в настоящее время является одним из ключевых вопросов в сфере человеко-машинных коммуникаций. Для исследования эффективности представленной технологии были привлечены базы данных высокой размерности: они содержат акустические характеристики голосовых записей на английском, немецком и японском языках. Три различных генетических алгоритма многокритериальной оптимизации и их кооперативные модификации были использованы в сочетании с рядом классификаторов (полносвязный персептрон, машины опорных векторов, логистическая регрессия). В большинстве случаев можно обнаружить не только сокращение размерности вектора признаков, но и улучшение качества распознавания эмоций. Чтобы избежать выбора наиболее эффективного генетического алгоритма и классификатора, предлагается использовать гетерогенный кооперативный алгоритм, сочетающий несколько эвристик, и ансамбль классификаторов различной природы.