-
公开(公告)号：CN113611295B
公开(公告)日：2024-07-16
申请号：CN202110874297.4
申请日：2021-07-30
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于声纹和情感线索的抑郁症识别方法，该方法利用预训练模型来提取有效的深度声纹识别和语音情感识别特征并进行融合，实现对说话人的声纹和情感差异信息的互补。考虑到目前抑郁症识别的数据量较小且识别结果具有代价敏感性，提出层次抑郁症识别模型。该模型在回归器之前设置多个分类器，对每个样本进行多分类器结果导向的抑郁等级预测，避免模型训练的过拟合问题。实验结果表明深度声纹识别和语音情感识别特征的融合能够显著提高模型的预测性能。与目前普遍的抑郁症识别网络结构和最优方法相比，层次抑郁症识别模型可以避免利用小样本训练模型的过拟合问题，提高预测准确率，同时抑郁症识别性能优于目前语音模态的最优方法。
-
公开(公告)号：CN113611295A
公开(公告)日：2021-11-05
申请号：CN202110874297.4
申请日：2021-07-30
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于声纹和情感线索的抑郁症识别方法，该方法利用预训练模型来提取有效的深度声纹识别和语音情感识别特征并进行融合，实现对说话人的声纹和情感差异信息的互补。考虑到目前抑郁症识别的数据量较小且识别结果具有代价敏感性，提出层次抑郁症识别模型。该模型在回归器之前设置多个分类器，对每个样本进行多分类器结果导向的抑郁等级预测，避免模型训练的过拟合问题。实验结果表明深度声纹识别和语音情感识别特征的融合能够显著提高模型的预测性能。与目前普遍的抑郁症识别网络结构和最优方法相比，层次抑郁症识别模型可以避免利用小样本训练模型的过拟合问题，提高预测准确率，同时抑郁症识别性能优于目前语音模态的最优方法。
-
Search Results
2
records
(took 0.017 seconds)
