[发明专利]一种高效的帕金森病数据集分类方法

说明书

本发明提供了一种高效的帕金森病数据集分类方法。其特征在于将测试样本分别通过健康人语音特征集和患者语音特征集进行线性表达，并计算表达之后的特征样本与原特征样本之间的误差，则测试样本的分类类别与误差较小者类别保持一致。本发明主要基于常规的矩阵线性计算，在工程实现上能够有效依赖成熟的函数库或计算单元，因此其效率极高具有很好的工程性能。

技术领域

本发明涉及帕金森病数据集分类方法，特别是一种基于常规矩阵线性计算的高效帕金森病数据集分类方法。

背景技术

帕金森病是一种多发于中老年的渐进性中枢神经系统变性疾病，在帕金森病患者中，有50％～80％的病例起病隐袭，早期难以察觉而常被忽视，检测语言障碍将有助于实现高准确性的帕金森病早期诊断，现有基于语音特征的帕金森病数据集分类方法虽然已能取得较好效果但算法复杂度较高，并不利于工程实现，本发明实现的方法能够有效依赖成熟的函数库或计算单元，具有很好的工程性能。

发明内容

针对现有技术，本发明提供了一种高效的帕金森病数据集分类方法。

该方法包括以下步骤：

(1)对M个受试者(M₁健康人，M₂患者)每人采集H₀段语音，每段语音提取 N个帕金森语音相关特征，构成特征矩阵

(2)语音特征集变换。变换后语音特征集为

其中

(3)零均值(z-score)标准化S′生成新集合S″；

(4)将标准数据集S″按留一法划分为训练集及相应标签和测试集及相应标签y_t＝b_m，其中标签b_m∈{0,1}；

(5)求解系数并满足其中训练集A_H是健康人特征样本矩阵，A_P是患者特征样本矩阵，则其中分别是A_H，A_P的伪逆；

(6)计算偏差并分类：

和其中估计样本若δ₁＜δ₂则测试集属于健康人组，否则属于患者组。

(7)将(6)中得到的测试集类别与测试集标签类别进行比较，并遍历M个受试者得到平均分类准确率。

附图说明

图1是根据本发明的一个实施例构成的系统方框图；

具体实施方式

本发明提出的帕金森病数据集分类方法结合附图及实施例进一步说明如下:

本发明的方法流程如图1所示,包括以下步骤：

(1)样本数据集由M个受试者(M₁健康人，M₂患者)每人采集H₀段语音，每段语音提取N个帕金森语音相关特征构成；

(2)样本数据集进行转换构成特征矩阵；

(3)零均值(z-score)标准化训练集生成新集合；

(4)将特征矩阵按留一法划分为训练集和测试集；

(5)求解表达系数并重新估计样本；

(6)通过比较偏差大小判决测试集类别；

(7)将(6)中得到的测试集类别与测试集标签类别进行比较得到分类准确率，并遍历M个受试者得到平均分类准确率。