双阶段帕金森病语音聚类包络卷积稀疏迁移学习算法
帕金森病(PD)语音识别算法研究对于其及时诊疗具有重要意义,但现有PD语音识别算法面临小样本数据量问题挑战.针对问题,本文提出双面双阶段均值聚类包络和卷积稀疏迁移学习算法.在双阶段学习方面,首先基于源数据集训练多组卷积核,然后通过中间集得到最优卷积核并对目标集进行编码.在深度样本聚类包络方面,首先设计迭代均值聚类算法构建深度样本空间;然后进行样本特征同时选择并训练分类器模型;最后对不同样本空间的分类结果进行融合.实验选取代表性的PD语音数据集进行验证.实验结果表明,本文算法创新部分有效,与10多个经典和最新相关文献算法相比取得了显著改进,准确率达97.8%.此外,本文算法的时间复杂度不高,满足临床应用要求.
帕金森病语音识别、包络学习、深度样本学习、均值聚类、双阶段卷积稀疏迁移学习
43
TP181;TH77(自动化基础理论)
国家自然科学基金;国家自然科学基金;重庆市自然科学基金;重庆市社会科学规划项目;重庆市教委科学技术研究项目
2023-04-14(万方平台首次上网日期,不代表论文的发表时间)
共11页
151-161