-
公开(公告)号：CN114299996A
公开(公告)日：2022-04-08
申请号：CN202111677396.X
申请日：2021-12-31
Applicant: 南京邮电大学
IPC: G10L25/66 , G10L21/0208 , G10L25/18 , G10L25/24
Abstract: 本发明公开了一种基于AdaBoost算法的帕金森病冻结步态症状关键特征参数的语音分析方法。步骤一、采集帕金森病患者持续稳定的元音，并记录帕金森病患者是否有冻结步态症状；步骤二、对语音信号进行去噪预处理，并去除静音片段；步骤三、提取多种语音特征；步骤四、利用CART算法对原始特征进行特征选择，筛选出能够有效表征冻结步态症状信息的关键特征；步骤五、训练AdaBoost模型；步骤六、将待测语音的特征向量输入模型，得到帕金森病冻结步态症状的关键特征参数。本发明使用AdaBoost算法来进行帕金森病冻结步态症状的分析，利用集成学习提高模型精度，降低了帕金森病冻结步态症状早期分析的成本。
-
公开(公告)号：CN116312484B
公开(公告)日：2023-09-08
申请号：CN202310558163.0
申请日：2023-05-18
Applicant: 南京邮电大学
Abstract: 本发明提供了一种跨语言域不变声学特征提取方法和系统，所述方法主要包括以下步骤：语音信号采集；对语音数据进行预处理；训练编码块与多层前馈神经网络级联的特征提取器，提取高级语义表达并将语音特征解纠缠为两个向量；训练两个域鉴别器用于判断输入鉴别器的特征向量来自于“源域”或“目标域”；进行模型的损失计算，并更新模型的网络参数；通过模型中的特征提取器，即可对输入的语音样本提取一个可用于冻结步态跨语言声学分析的域不变声学特征。相较于现有技术，本发明在面对时序数据时能够捕获更加长的时序依赖关系，帮助基于语音的跨域冻结步态分析模型实现更好的性能，使得获取到的域不变病理声学特征的域不变特性得到更好地保证。
-
公开(公告)号：CN116312484A
公开(公告)日：2023-06-23
申请号：CN202310558163.0
申请日：2023-05-18
Applicant: 南京邮电大学
Abstract: 本发明提供了一种跨语言域不变声学特征提取方法和系统，所述方法主要包括以下步骤：语音信号采集；对语音数据进行预处理；训练编码块与多层前馈神经网络级联的特征提取器，提取高级语义表达并将语音特征解纠缠为两个向量；训练两个域鉴别器用于判断输入鉴别器的特征向量来自于“源域”或“目标域”；进行模型的损失计算，并更新模型的网络参数；通过模型中的特征提取器，即可对输入的语音样本提取一个可用于冻结步态跨语言声学分析的域不变声学特征。相较于现有技术，本发明在面对时序数据时能够捕获更加长的时序依赖关系，帮助基于语音的跨域冻结步态分析模型实现更好的性能，使得获取到的域不变病理声学特征的域不变特性得到更好地保证。
-
-
Search Results
3
records
(took 0.013 seconds)
