[发明专利]基于改进型胶囊网络的语音数据分类方法

权利要求书

1.基于改进型胶囊网络的语音数据分类方法，其特征在于，包括以下步骤：

训练阶段：

1)构造胶囊网络的编码器，具体为，

11)利用神经网络的前向传播算法对初始语音音素数据进行编码，得到初级胶囊；

12)构造胶囊网络的动态路由结构，将初级胶囊中的信息传递给高级胶囊，所述高级胶囊由初级胶囊经过多次动态路由迭代算法而产生；

13)以每个高级胶囊的长度的softmax激活值表征初始语音音素数据属于对应类别的概率；

2)构造胶囊网络的解码器，将真实音素符号对应的高级胶囊进行解码重构；

3)基于预设的损失函数得到总损失，对胶囊网络的参数进行优化，最小化总损失；

测试阶段：

4)将待测试的初始语音音素数据输入胶囊网络的编码器中，根据所有高级胶囊长度的softmax激活值判断待测试的初始语音音素数据的所属类别。

2.根据权利要求1所述的基于改进型胶囊网络的语音数据分类方法，其特征在于，所述初始语音音素数据是通过原始语音数据经过预处理得到，具体包括以下步骤：

A.对原始语音进行带通滤波平滑处理，去除毛刺噪声点；

B.对滤波后的语音信号进行分帧处理；

C.对分帧后的每一帧语音信号进行特征提取，选取w个特征作为每一帧的w维特征向量；

D.对每一帧的w维特征向量进行归一化处理得到初始语音音素数据，即将每一帧的w维特征向量按维度除以一个归一化因子，所述归一化因子是一个w维向量l_norm。

3.根据权利要求1所述的基于改进型胶囊网络的语音数据分类方法，其特征在于，所述步骤11)中所述编码方法具体为全连接网络的编码、二维卷积网络的编码或者混合型编码，

利用所述混合型编码得到初级胶囊的具体步骤为：

111)初始语音音素数据经过一个全连接层连接到具有m₁个单元的隐藏层h₁，经过激活函数sigmoid作用得到隐藏层h₁的输出数据z₁；

112)将隐藏层h₁的输出数据z₁重塑为一个三维张量input1，即m₂个b₁*b₁大小的特征图谱，通过卷积核大小为k₁*k₁的二维卷积层连接到具有m₃个b₂*b₂大小的特征图谱的隐藏层h₂，经过激活函数sigmoid作用得到隐藏层h₂的输出z₂；

113)将隐藏层h₂的输出数据z₂重塑成n₁*pri_len大小的二维张量，代表n₁个初级胶囊，张量矩阵的每一行代表一个初级胶囊pri_cap，每个初级胶囊的维度是pri_len；

114)将每个初级胶囊按照如下公式进行squash归一化处理