作为计算机科学的一个分支,人工智能本质上,不仅是对人的意识、思维的信息过程的模拟,也要超过人的智能。研究人工智能,是对人类的智能的研究,自然必须研究人类的情感。通过研究语音情感识别,能使得计算机在人机交互过程中做出更加人性化和更有针对性的反应。深度学习也是现今人工智能的一个研究热点与难点。针对人工智能中抽象认知这一难题,深度学习对研究对象的特征自学习,无论在理论分析,还是在实际应用中都获得很大的成功。可以说,深度学习是目前最接近人脑的人工智能学习方法。深度学习有很多常用的模型,比如自编码器、限制玻尔兹曼机、卷积神经网络等等。其中,卷积神经网络已经应用在图像识别、语音识别、广告推荐系统等领域,而且也取得了很不错的进展。本人在通过对深度学习的深入研究之后发现,当使用传统的卷积神经网络进行语音情感识别时,卷积神经网络的子采样层在实现维数约减的效果的同时,也可能导致大部分有用的特征丢失,从而降低了语音情感识别分类的准确率。针对上述问题,本人将提出一个基于卷积神经网络的改进算法,在该算法中,使用特征选择的办法来代替卷积神经网络子采样层的简单处理,称为卷积特征选择神经网络。同时,通过实验证明本人提出的改进算法相对于传统的卷积神经网络有着更好的效果。