面向帕金森病语音诊断的非监督两步式卷积稀疏迁移学习算法

帕金森病(Parkinson’s Disease,PD)语音诊断存在小样本问题,如果借助相关语音数据集进行迁移学习,容易加重训练集和测试集之间的分布差异,影响分类准确率.为了解决上述矛盾问题,本文提出了两步式稀疏迁移学习算法.该算法分为两大步:第一步算法为语音段特征同时优选的快速卷积稀疏编码算法,构造卷积稀疏编码算子用于快速学习公共语音数据集的结构信息,然后将其迁移到PD语音目标集以弥补后者样本信息的不足,接着再同时对语音段和特征进行同时优选以获得更有价值的信息;第二步算法为联合局部结构信息分布对齐算法,对训练集和测试集进行域适应,在保持各自样本结构信息的同时,最小化分布误差.实验结果表明:本文算法中每一步迁移学习算法均有效;与相关算法相比,本文算法准确率显著较高,达97.5%.

普通话语音诊断辅助手段现代化研究报告

"普通话语音诊断手段现代化"研究主要解决普通话培训过程中如何不受场地限制、随时为受训者提供标准化"语音诊断文本"的问题,便于培训教师把对学员语音缺陷的诊断及时迅速地反馈给学员,提高普通话培训工作的有效性和针对性。

结合残差神经网络和语音诊断的帕金森病识别研究

为降低临床上诊断帕金森病对量表和穿戴设备仪器及医生临床经验的过度依赖,为PD患者在诊断方法上提供新的思路。采用信号处理方法对数据集MDVR-KCL提取包含周期变化、峰值变化及谐波信噪比3大类、12个复杂语音特征形成一维向量数据集。采用传统的决策树和残差神经网络分类方法进行训练和测试,通过对比实验,发现可以有效解决因神经网络加深而准确率下降问题的残差神经网络能够有效的区分PD患者和健康人,取得了97.3%的准确率。

语音自诊断系统在军用移动电站中的应用

阐述了将语音自诊断系统引入军用移动电站的必要性、语音自诊断系统的工作原理、以及将语音自诊断系统引入移动电站上项解决的难点及解决方案。简要介绍了最新的语音合成技术的原理和过程。

主板附加功能之安全性提升篇

啃了免费的“大饼”，我们还有什么值得注意的呢？对了，这就是安全性！主板是众多电脑硬件的平台，它就像大楼地基一样必须坚固可靠才能让各种硬件稳定地运行，而这个平台也需要附加的工具去加强和诊断，由此就引出主板安全性检测的众多附加功能，用好这些技术能让我们深入了解电脑内部的情况，避免错误设置带来的潜在危害。