[发明专利]基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统有效
申请号: | 202010376825.9 | 申请日: | 2020-05-07 |
公开(公告)号: | CN111584069B | 公开(公告)日: | 2023-04-18 |
发明(设计)人: | 李勇明;林远;王伯初;洪叶;王品;郝石磊;张兴勇;莫妮娜;雷艳 | 申请(专利权)人: | 成都兰途网络科技有限公司 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G10L25/66;G10L15/08;G10L19/00;G06F18/24 |
代理公司: | 重庆敏创专利代理事务所(普通合伙) 50253 | 代理人: | 陈千 |
地址: | 610095 四川省成都市高新区天*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 语音 特征 堆栈 稀疏 自动 编码 精神病 识别 系统 | ||
1.一种基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统,其特征在于包括:语音采集模块、处理器和结果输出模块,所述处理器中配置有特征提取模块、编码器模块、特征混合模块和分类判别器;
所述语音采集模块用于获取受试者按预定任务朗读所形成的语音样本数据;
所述特征提取模块用于提取所述语音样本数据中的浅层特征;
所述编码器模块用于进行嵌入式深-浅特征堆栈稀疏自动编并生成深层特征;
所述特征混合模块用于融合所述特征提取模块提取的浅层特征和所述编码器模块生成的深层特征;
所述分类判别器用于对所述特征混合模块融合后的特征进行分类判别,得出受试者是否属于精神病的判定结果;
所述结果输出模块用于输出所述分类判别器的判定结果;
所述编码器模块包括堆栈式设置的多层编码单元,相邻两层编码单元之间设置有合并稀疏单元;所述浅层特征作为原始特征送入第一层编码单元进行编码,编码后的特征与原始特征再送入合并稀疏单元进行合并和稀疏表示,经过合并稀疏单元合并和稀疏表示后再筛选出最优特征子集送入下一层编码单元;经过多层迭代,最后一层编码单元的输出作为所述深层特征;
所述特征混合模块通过L1或L2正则化方法选择浅层特征和深层特征中的部分特征作为最优特征集送入所述分类判别器中进行分类判别。
2.根据权利要求1所述的基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统,其特征在于:所述预定任务中包括了多段待采集的语音样本,每段待采集的语音样本是由预定的元音字母、预定的汉字、预定的词语和预定的短语随机组合而成,在所述处理器上还连接有引导提示模块,所述引导提示模块通过语音或文字的方式引导受试者按预定任务朗读。
3.根据权利要求1或2所述的基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统,其特征在于:所述特征提取模块采用声学分析软件对每段语音样本提取一组基于线性和时频的特征作为所述浅层特征,包括但不限于频率变化特征或/和脉冲变化特征或/和振幅变化特征或/和语音变化特征或/和基频变化特征或/和谐波特征。
4.根据权利要求1所述的基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统,其特征在于:所述编码器模块的载体包括但不限于:台式电脑、笔记本电脑、服务器、掌上终端、手机、DSP、FPGA。
5.根据权利要求1所述的基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统,其特征在于:所述分类判别器采用基于加权局部保持鉴别投影和SVM的分类判别模型。
6.根据权利要求1所述的基于语音深-浅特征堆栈稀疏自动编码的精神病识别系统,其特征在于:所述分类判别器采用基于bagging和SVM的集成分类判别模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都兰途网络科技有限公司,未经成都兰途网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010376825.9/1.html,转载请声明来源钻瓜专利网。