典型文献
双阶段帕金森病语音聚类包络卷积稀疏迁移学习算法
文献摘要：
帕金森病(PD)语音识别算法研究对于其及时诊疗具有重要意义,但现有PD语音识别算法面临小样本数据量问题挑战.针对问题,本文提出双面双阶段均值聚类包络和卷积稀疏迁移学习算法.在双阶段学习方面,首先基于源数据集训练多组卷积核,然后通过中间集得到最优卷积核并对目标集进行编码.在深度样本聚类包络方面,首先设计迭代均值聚类算法构建深度样本空间;然后进行样本特征同时选择并训练分类器模型;最后对不同样本空间的分类结果进行融合.实验选取代表性的PD语音数据集进行验证.实验结果表明,本文算法创新部分有效,与10多个经典和最新相关文献算法相比取得了显著改进,准确率达97.8％.此外,本文算法的时间复杂度不高,满足临床应用要求.
文献关键词：
帕金森病语音识别;包络学习;深度样本学习;均值聚类;双阶段卷积稀疏迁移学习
中图分类号：
作者姓名：
张小恒;李勇明;王品
作者机构：
重庆开放大学 重庆 400052;重庆大学微电子与通信工程学院 重庆 400044
文献出处：
引用格式：
[1]张小恒;李勇明;王品-.双阶段帕金森病语音聚类包络卷积稀疏迁移学习算法)[J].仪器仪表学报,2022(11):151-161
A类：
卷积稀疏迁移学习,帕金森病语音识别,包络学习,深度样本学习,双阶段卷积稀疏迁移学习
B类：
语音识别算法,算法研究,小样本数据,数据量,问题挑战,双面,均值聚类,集训,组卷积,卷积核,中间集,聚类算法,样本空间,样本特征,分类器,语音数据,时间复杂度,应用要求
AB值：
0.218883
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
