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

• 作者: 张小恒 张馨月 李勇明 王品 刘玉川
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 语音诊断 帕金森症(PD) 两步式稀疏迁移学习 卷积稀疏迁移学习 域适应
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 177-184
• 页数: 8页
• 分类号: TP319.41
• 语种: 中文
• DOI: 10.12263/DZXB.20201003

摘要

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％.