中国生物医学工程学报
中國生物醫學工程學報
중국생물의학공정학보
CHINESE JOURNAL OF BIOMEDICAL ENGINEERING
2009年
3期
327-331
,共5页
病态嗓音%神经网络%显著性度量%高斯混合模型
病態嗓音%神經網絡%顯著性度量%高斯混閤模型
병태상음%신경망락%현저성도량%고사혼합모형
病态嗓音自动检测和评价的关键是有效提取相关的特征,但一般的提取原则是尽可能的把相关特征纳入特征集,其结果就很难避免各种特征的相关和冗余信息,并对随后的识别效率和检测带来负面影响,因此特征优选工作就显得非常重要.本研究对待识别嗓音样本分别提取出两种特征参数(传统声学参数和基于小波变换提出的特征参数)后,利用神经网络分别对这两种特征参数进行了特征选择和优化,并分别对选出的各组特征进行了识别,结果表明基于神经网络的特征选择方法是有效的,从基于小波变换提出的特征中选出的7维特征矢量完全能取代原始特征矢量,并取得了正常95.06%,病态92.85%的识别结果.
病態嗓音自動檢測和評價的關鍵是有效提取相關的特徵,但一般的提取原則是儘可能的把相關特徵納入特徵集,其結果就很難避免各種特徵的相關和冗餘信息,併對隨後的識彆效率和檢測帶來負麵影響,因此特徵優選工作就顯得非常重要.本研究對待識彆嗓音樣本分彆提取齣兩種特徵參數(傳統聲學參數和基于小波變換提齣的特徵參數)後,利用神經網絡分彆對這兩種特徵參數進行瞭特徵選擇和優化,併分彆對選齣的各組特徵進行瞭識彆,結果錶明基于神經網絡的特徵選擇方法是有效的,從基于小波變換提齣的特徵中選齣的7維特徵矢量完全能取代原始特徵矢量,併取得瞭正常95.06%,病態92.85%的識彆結果.
병태상음자동검측화평개적관건시유효제취상관적특정,단일반적제취원칙시진가능적파상관특정납입특정집,기결과취흔난피면각충특정적상관화용여신식,병대수후적식별효솔화검측대래부면영향,인차특정우선공작취현득비상중요.본연구대대식별상음양본분별제취출량충특정삼수(전통성학삼수화기우소파변환제출적특정삼수)후,이용신경망락분별대저량충특정삼수진행료특정선택화우화,병분별대선출적각조특정진행료식별,결과표명기우신경망락적특정선택방법시유효적,종기우소파변환제출적특정중선출적7유특정시량완전능취대원시특정시량,병취득료정상95.06%,병태92.85%적식별결과.
