仪器仪表学报

作者：张小恒，李勇明，王 品

单位：张小恒,1. 重庆开放大学,2. 重庆大学微电子与通信工程学院,,李勇明,2. 重庆大学微电子与通信工程学院,,王 品,2. 重庆大学微电子与通信工程学院,

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

基金：国家自然科学基金重点项目(U21A20448)、国家自然科学基金(61771080)、重庆市自然科学基金( cstc2020jcyj-msxmX0100) 、重庆市社会科学规划项目(2018YBYY133)、重庆市教委科学技术研究项目(KJQN202104002)资助

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。

来源：2022年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第11期