[发明专利]基于集成流形降维的帕金森语音识别系统

权利要求书

1.一种基于集成流形降维的帕金森语音识别系统，其特征在于包括：

数据采集器：用于采集和存储训练数据、验证数据和测试数据，所述训练数据、验证数据和测试数据均为帕金森语音数据，且训练数据和验证数据中包括了代表帕金森病况的标签数据；

分类器模块；通过所述训练数据和验证数据训练所得，并用于对所述测试数据进行分类识别，确定所述测试数据的标签类型；

输出模块，用于输出最终的识别结果；

所述分类器模块在训练时，先从所述训练数据中随机抽取E个子数据集X₁～X_E，利用流形学习降维算法对第一个训练子集X₁进行映射，得到映射矩阵P₁，利用经过映射矩阵P₁映射后的训练子集X₁训练一个分类器，并使用所述验证数据对该分类器进行测试，得到其分类误差率为e₁，并将其错分的验证样本添加到训练子集X₂中，然后继续对训练子集X₂进行处理，并将其错分的验证样本添加到训练子集X₃中，直到训练子集X_E，错分的验证样本将不再被处理，从而得到E个分类器，每一个分类器对验证数据的分类误差e₁～e_E以及对应于每一个训练子集的映射矩阵P₁～P_E，然后，根据AdaBoost方法原理，计算出每一个分类器的权重α₁～α_E，基于映射矩阵P₁～P_E和每一个分类器的权重α₁～α_E得到加权映射矩阵P；最后使用经过加权映射矩阵P映射后的训练数据训练最终分类器，并使用经过加权映射矩阵P映射后的测试数据进行测试，将最终分类器的测试结果由所述输出模块输出。

2.根据权利要求1所述的基于集成流形降维的帕金森语音识别系统，其特征在于：所述流形学习方法通过构建映射矩阵P_i,i＝1～E使其在优先最小化局部类内散度矩阵的情况下，同时保留样本的局部性和最大化类间散射矩阵来降低各个子数据集X₁～X_E的维度。