语音情感识别是人工智能和机器学习领域的一个热点研究问题。研究者们通过发现影响情感的语音特征,利用HMM、SVM、KNN等分类器进行语音情感识别。当前的研究在有些时候可能会存在特征过多的问题,影响了识别率以及增加了计算开销等。基于这些问题,本文提出了特征选择的方法,以降低特征维度,防止造成“维度灾难”、提高分类的识别率以及精简结构图。本文的主要研究内容如下：(1)将MMHC算法应用于特征选择领域,在此基础上提出了h-MMHC(启发式MMHC)算法,该算法采用启发式的策略分阶段的添加属性,相比于MMHC算法一次性考虑所有属性集提高了计算的性能。(2)将h-MMHC应用于语音情感识别领域,构建了基于h-MMHC算法的语音情感识别框架,对MFCC特征集进行特征选择。将原始的180个特征降维至21个特征,分类的识别率相比于未进行特征选择时提高了1个百分点。(3)考虑到现实世界中情感类别之间非互斥的特性,本文对MFCC特征集中的7类情感分别进行特征选择,实验结果表明不同的情感类别之间存在一些共有的特征。该结果为语音情感库的构建提供了理论基础。通过上述研究,本论文提出启发式的MMHC算法用于主特征选择,降低了计算的时间开销。将该算法应用于语音情感识别领域进行特征选择,基于选择出的特征集进行情感识别,识别率提高了一个百分点,同时找出了情感之间所共有的特征,进而验证了各个情感类别之间的非互斥性。