周 慧，魏霖静

（甘肃农业大学 信息科学技术学院，甘肃 兰州 730070）

随着计算机技术的发展，传统的计算机已不能满足人们日益增长的需求，如何让计算机和人的交流不仅能体现基本的信息，还能识别人类丰富的情感是是当前国内外众多领域研究的热点问题。

目前，很多的方法被使用到情感语音的识别中。如文献[1]利用神经网络，文献[2]利用特征空间分解方法，文献[3]实现了利用KNN方法的情感语音的识别。文中利用LS-SVM分类，实现了对4种基本情感的分类识别。

1 LS-SVM基本理论

LS-SVM最小二乘支持向量机是标准SVM的一种推广形式，它具有SVM的优点，也具有自身的特点。其基本理论如下[4-5]：

假设训练样本集为（xi，yi），i=1，2，3，…，n，xi∈Rn为训练样本的输入，yi∈R为训练样本的输出。利用一非线性映射将样本从原空间映射 φ（·）到高维特征空间 φ（xi），在高维特征空间中构造最优决策函数：

利用结构风险最小化原则，寻找（1）式中的最优 ω和b值：

上式中：‖ω‖2为控制模型的复杂度，C为正规化参数，Remp为损失函数ε，也称为经验风险。损失函数ε的不同，支持向量机模型就不同。在最小二乘支持向量机中损失函数ε，即Remp=。

基于结构风险最小化原则来确定决策函数最优ω和b值可转换为求解以下最优解：

利用拉格朗日方法求解这个优化问题：

根据优化条件：

得到函数的估计为：

其中核函数K（xi，xj）=φ（xi）·φ（xj），从而优化问题转变为线性方程组的解：

得到非线性决策函数：

2 情感语音分类及数据库的建立

人类的情感是一个复杂且不容易准确描述的问题，至今也没有一种统一的定义。……