声景情感线性模型的详尽变量选择研究：排序与吉布斯分析

在过去十年中，声景已成为声学中最活跃的话题之一，它提供了一种对声学环境的整体研究方法，涉及人类感知与语境。声景引发的情绪处于核心地位，且相比语音或音乐而言相当微妙且不易察觉。目前，声景情感识别是文献中一个非常活跃的话题。我们针对一个知名数据集（emo-soundscapes）提供了一个详尽的变量选择研究（即声景指标的筛选）。我们考虑针对两个声景描述符——唤醒度（arousal）与效价（valence）——的线性声景情感模型。应用了多种排序方案与选择变量数目的流程。我们还执行了一种交替优化方案，以在固定一定数量特征的情况下获得最佳序列。此外，我们设计了一种基于吉布斯采样的新技术，其提供了对每个变量相关性的更完整且清晰的视角。最后，我们还将我们的结果与基于 p 值的经典方法所得分析进行了比较。作为我们研究的结果，我们分别针对两个输出（唤醒度与效价）提出了仅含 7 个和 16 个变量（在 122 个可能特征之中）的简洁且节俭的线性模型。所提出的线性模型提供了非常好且具有竞争力的性能，在经过交叉验证流程后分别取得 $R^2>0.86$ 与 $R^2>0.63$ 的值。