Algoritmos Evolutivos para

Reconhecimento de Emoes
em Sinais de Fala
BREVE REVISO BIBLIOGRFICA

Por: Bianca Santana

FELICIDADE TRISTEZA MEDO RAIVA NOJINHO

2
 Reconhecer emoes em sinais de fala

Aperfeioamento da relao homem-mquina

Descobrir as caractersticas que podem refletir

as emoes nos sinais de fala

3
 J sabemos que RNAs so boas para reconhecimento
de interlocutor ou de fala

? Extrair automaticamente emoo na fala

Extrao de Seleo de Reconhecimento

caractersticas caractersticas de caractersticas

4
Adaptive and Optimal Classification
of Speech Emotion Recognition
[Wang et al. 2008]

Algoritmos genticos com Support Vector

Machines (SVN)

5
Caractersticas prosdicas da fala viram parmetros estatsticos

6
Combina estgios de treino e seleo

O algoritmo gentico (GA) utilizado para selecionar caractersticas

o SVM utilizado como classificador

7
GA empregado se baseia no algoritmo clssico de John Holland

representao binria de 23 caractersticas da fala

Populao inicial randmica utilizada para treinar o SVN

A taxa mxima de reconhecimento de cada emoo a funo

fitness (se baseia no algoritmos SVM binrio)

Experimento com 110 amostras para cada emoo, onde 80 so

usadas para treinar o classificador e as outras para test-lo

A taxa mdia de reconhecimento atingiu 82,8%

8
Using Adaptive Genetic Algorithms to
Improve Speech Emotion Recognition
[Sedaaghi et al 2007]

GA utilizado numa segunda etapa, procurando as

expresses com pior desempenho em relao a um
mesmo critrio.

9
Procedimento de avaliao para o fitness da populao o erro de
previso repetido com validao cruzada.
aplicado uma operao de crossover e mutao binria de nico
ponto, determinada pelo status da diversidade populacional.

Depois que o GA converge, as caractersticas restantes so

analisadas usando o algoritmo Sequential Forward Floating Search
(SFFS) com o critrio a probabilidade de classificao correta obtida
pelo classificador de Bayes

Experimento com 1160 amostras expressas por 2 atores

masculinos e 2 atores femininos sob 5 estados emocionais.

Os testes foram realizados rodando um GA clssico e o GA

proposto, ambos com representao binria.
10
Evolutionary feature selection for emotion
recognition in multilingual speech analysis
[Brester et al 2015]

GA combinado com um procedimento heurstico

paralelo baseado em um modelo de ilha.

11
uso de um algoritmo gentico
multi-objetivo (MOGA) operando
com representao binrias.

Retorna um conjunto de solues

candidatas que no podem ser
preferidas entre si.

cada algoritmo compartilha suas

melhores solues com todos os
outros

questes mais complexas as estratgias de atribuio de fitness,

preservao da diversidade e implementao do elitismo
12
A abordagem testada e confrontada com uma abordagem
clssica no paralelizvel do AG.

verso clssica leva em considerao 384 caractersticas para gerar

as populaes

at 11,15% de melhoria relativa comparado com o melhor valor

na verso clssica

Pode ser aplicado a problemas separveis

13
Speech Emotion Recognition System
Based on Genetic Algorithm and Neural
Network
[Wang et al 2011]

a abordagem combina GA com uma rede neural. O

papel do GA fazer uma pesquisa global de peso
ideal na rede neural.

14
Adaptao de um GA padro

A primeira populao uma soluo potencial gerada a partir de

uma heurstica pr-definida

A funo fitness o erro da rede neural

O critrio de parada depende do nmero de iteraes e do erro

apresentado pela rede.

O sistema de pesos da rede foi alterado para representao binria.

Testes com 100 expresses por emoo.

Todas as emoes so reconhecidas com uma preciso superior a

79%.
15
Adaptive hierarchical emotion recognition
from speech signal for human-robot
communication
[Le e Lee 2014]

uma abordagem hierrquica que gera uma rvore de

classificao binria automaticamente. AG aplicado com um
classificador SVM para encontrar a separao ideal entre dois
grupos de emoes em cada n da rvore de classificao.

16
GAs so utilizadas para pesquisar a separao de um grupo de
emoes em dois subgrupos e selecionar caractersticas mais
relevantes
Cada n corresponde a um classificador SVM que classifica entre ramo
esquerdo e direito, cada folha corresponde a uma classe de emoo
17
Y. Wang, S. Du and Y. Zhan, "Adaptive and Optimal Classification of Speech
Emotion Recognition," 2008 Fourth International Conference on Natural
Computation, Jinan, 2008, pp. 407-411.

M. H. Sedaaghi, C. Kotropoulos and D. Ververidis, "Using Adaptive Genetic

Algorithms to Improve Speech Emotion Recognition," 2007 IEEE 9th
Workshop on Multimedia Signal Processing, Crete, 2007, pp. 461-464.

C. Brester, E. Semenkin, I. Kovalev, P. Zelenkov and M. Sidorov, "Evolutionary

feature selection for emotion recognition in multilingual speech analysis,"
2015 IEEE Congress on Evolutionary Computation (CEC), Sendai, 2015, pp.
2406-2411.
18
Jian Wang, Zhiyan Han and Shuxian Lun, "Speech emotion recognition
system based on genetic algorithm and neural network," 2011 International
Conference on Image Analysis and Signal Processing, Hubei, 2011, pp. 578-
582.

B. V. Le and S. Lee, "Adaptive Hierarchical Emotion Recognition from Speech

Signal for Human-Robot Communication," 2014 Tenth International
Conference on Intelligent Information Hiding and Multimedia Signal
Processing, Kitakyushu, 2014, pp. 807-810.

19