我需要设计一个基于RNN的先进且新颖的语音情感识别模型。以下是我的基本思路，请帮我完善整个模型的所有相关细节：

- **数据集**：使用EMODB、SAVEE、IEMOCAP和CASIA四个数据集。
- **特征工程**：设计一个创新的融合特征集，该特征集应包含大部分传统手工特征，并着重强调这些特征之间的互补关系。暂时不考虑预训练模型的深度特征嵌入。
- **模型架构**：模型应包含以下模块：
  - 对抗增强
  - 主线架构：3D-CNN + 双向GRU或双向LSTM（作为主体） + SE + 结构共享超图推理注意力模块（SHRA Module）
  - 迁移增强
- **训练策略**：采用层次化五折交叉验证进行训练。所有数据按80-20的比例分割，不专门设置独立的测试集。
- **可视化**：除了常规的训练曲线等可视化外，对性能指标最高的一折进行深入分析和可视化。由于数据集的样本稀疏性，混淆矩阵应以百分比形式表示。