[发明专利]双子空间特征迁移学习方法

权利要求书

1.一种双子空间特征迁移学习方法，其特征在于，包括：

根据源集公共子空间Cs、目标域特性表达Fst和源集数据类别标签Ys，获取源集迁移表达Ts；

根据目标集公共子空间Ct和目标集特性子空间Ft，获取目标集迁移表达Tt；

在所述源集迁移表达Ts上进行模型训练，获取训练模型；

根据所述训练模型对所述目标集迁移表达Tt进行智能识别；

其中，所述源集公共子空间Cs由共性子空间降维矩阵P的转置矩阵和源集特征参数矩阵Xs组成，即，C_s＝P^TX_s；

所述目标域特性表达Fst由映射矩阵R、所述源集特征参数矩阵Xs和源集特性子空间矩阵Ds组成，即，

所述目标集公共子空间Ct由所述共性子空间降维矩阵P的转置矩阵和目标集特征参数矩阵Xt组成，即，C_t＝P^TX_t；

所述目标集特性子空间Ft由目标集特性子空间矩阵Dt的转置矩阵和所述目标集特征参数矩阵Xt组成，即，F_t＝D_t^TX_t；

所述源集采用汉语普通话情感语料库MES-P中的男性语音样本；所述目标集选用英语情感语料库SAVEE中的语音样本；分类种类为c＝4，所述分类为愤怒、高兴、悲伤和中性；所述源集的语音样本数为n_s＝1344，所述目标集的语音样本数为n_t＝300；所述源集内的所有语音样本均具有情感种类标签；特征参数集选用INTERSPEECH2009情感识别竞赛提供的标准特征集，特征维数为d＝384。

2.根据权利要求1所述的双子空间特征迁移学习方法，其特征在于，根据所述训练模型对所述目标集迁移表达Tt进行智能识别，所述智能识别的算法包括：卷积神经网络，循环神经网络，长短记忆网络和图嵌入算法中的一种或多种。

3.根据权利要求1所述的双子空间特征迁移学习方法，其特征在于，在获取源集迁移表达Ts之前，还包括：

获取所述共性子空间降维矩阵P、所述源集特征参数矩阵Xs、所述映射矩阵R、所述源集特性子空间矩阵Ds、所述目标集特征参数矩阵Xt和所述目标集特性子空间矩阵Dt。

4.根据权利要求3所述的双子空间特征迁移学习方法，其特征在于，所述获取源集迁移表达Ts，包括：

将所述源集公共子空间Cs和所述目标域特性表达Fst合并得到第一合并集；

所述源集数据类别标签Ys作为训练用的真值对所述第一合并集进行描述，即，

5.根据权利要求3所述的双子空间特征迁移学习方法，其特征在于，所述获取目标集迁移表达Tt，包括：

将所述目标集公共子空间Ct和所述目标集特性子空间Ft合并得到第二合并集，即，