【摘要】：利用語音障礙進行帕金森病檢測是目前帕金森病早期診斷的研究熱點之一。近年來基于深度學(xué)習(xí)的語音障礙檢測發(fā)展迅速,且檢測正確率高。由于深度學(xué)習(xí)固有的特點,使得通過深度學(xué)習(xí)網(wǎng)絡(luò)自動學(xué)習(xí)的語音特征在醫(yī)學(xué)上可解釋性較差。針對這一問題該文提出研究帕金森病語音傳統(tǒng)特征梅爾頻率倒譜系數(shù)和語音深度學(xué)習(xí)特征間的關(guān)系。主要使用偏最小二乘法、多任務(wù)Lasso(Least absolute shrinkage and selection operator)和多任務(wù)彈性網(wǎng)三種方法展開一系列討論。首先,該文通過卷積神經(jīng)網(wǎng)絡(luò)對語音數(shù)據(jù)集進行分類,得到預(yù)訓(xùn)練模型。利用預(yù)訓(xùn)練模型提取語音的深度學(xué)習(xí)特征,同時提取語音的梅爾頻率倒譜系數(shù),進而對以上兩種特征進行相關(guān)性分析,論證該文提出方法的可行性。構(gòu)造了一種從語音梅爾頻率倒譜系數(shù)解碼語音深度學(xué)習(xí)特征的解碼框架。其次,利用偏最小二乘法對語音數(shù)據(jù)訓(xùn)練集的兩個特征集進行多元映射,并通過對比實驗確定偏最小二乘法的成分個數(shù)。利用訓(xùn)練集得到的偏最小二乘法模型對測試集語音的梅爾頻率倒譜系數(shù)進行解碼,進一步的對語音的深度學(xué)習(xí)解碼特征進行質(zhì)量檢驗,并對偏最小二乘法模型進行分析。再次,利用多任務(wù)Lasso實現(xiàn)對語音數(shù)據(jù)訓(xùn)練集的兩個特征集間的多元映射,通過對比實驗實現(xiàn)對多任務(wù)Lasso模型參數(shù)的優(yōu)化。利用優(yōu)化后多任務(wù)Lasso模型實現(xiàn)對測試集語音梅爾頻率倒譜系數(shù)的解碼,對語音的深度學(xué)習(xí)解碼特征進行質(zhì)量檢驗,并對分多任務(wù)Lasso模型進行分析。最后,利用多任務(wù)彈性網(wǎng)實現(xiàn)對語音數(shù)據(jù)訓(xùn)練集的兩個特征集多元映射,通過多組對比實驗完成對多任務(wù)彈性網(wǎng)模型參數(shù)的優(yōu)化。利用優(yōu)化后多任務(wù)彈性網(wǎng)模型實現(xiàn)對測試集語音梅爾頻率倒譜系數(shù)的解碼,對語音的深度學(xué)習(xí)特征進行質(zhì)量檢驗,并對多任務(wù)彈性網(wǎng)模型進行。同時對比分析該文所提出的三種多元映射方法在對語音梅爾頻率倒譜系數(shù)進行解碼的過程中的表現(xiàn)。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18;TN912.3;R742.5

【相似文獻】

相關(guān)期刊論文 前10條

1 車環(huán)宇;趙凌志;倪雪;滕國生;車

本文編號：2751612