基于受试者包络的帕金森病语音样本多类型重构算法
声音
2021-08-24 v1 机器学习
音频与语音处理
摘要
帕金森病(PD)的风险极为严重,PD语音识别是当今有效的诊断方法。然而,由于疾病阶段、语料库及其他因素对数据采集的影响,同一受试者内各样本反映PD状态的能力存在差异。没有样本完全无用,也没有样本100%完美。这一特性意味着仅剔除部分样本或保留部分样本并不合适。有必要考虑样本变换以获得高质量新样本。遗憾的是,现有PD语音识别方法主要关注特征学习与分类器设计,而非样本学习,且极少有方法考虑样本变换。为解决上述问题,本文提出一种基于多类型重构算子的PD语音样本变换算法。该算法分为四个主要步骤。算法中设计了三类重构算子:A、B和C型。对于A型算子,通过设计线性变换直接重构原始数据集以获得第一数据集。B型算子用于对数据集进行聚类与线性变换以获得第二新数据集。第三类算子即C型算子,通过聚类与卷积重构数据集以获得第三数据集。最后,基于三个新数据集训练基分类器,并通过决策加权融合分类结果。在实验部分,使用两个代表性PD语音数据集进行验证。结果表明所提算法有效。与其他算法相比,所提算法在分类准确率方面取得明显提升。
引用
@article{arxiv.2108.09922,
title = {Subject Envelope based Multitype Reconstruction Algorithm of Speech Samples of Parkinson's Disease},
author = {Yongming Li and Chengyu Liu and Pin Wang and Hehua Zhang and Anhai Wei},
journal= {arXiv preprint arXiv:2108.09922},
year = {2021}
}
备注
11 pages, 6 tables