《表1 基于RF的特征组合的识别率Tab.1 Recognition rate of features combination based on RF》
当自动检测和评价患病语音时,要求特征参数向量包含各种特征的充分信息,以便分类器能够实现正确的分类。然而,单一特征参数向量只包含部分语音信号的信息,忽略了语音信号的其他有用信息,不能更好地描述和检测病态语音。本实验将基频、模糊熵、Hurst参数、第2-Rényi熵、吸引子5种特征编号为1、2、3、4、5,然后对这5种特征进行组合及识别。由于样本数量较少,本实验采取样本分割的技术,对每个样本进行分割,且每个样本分割4次,即312例正常嗓音,280例中度嗓音,132例重度嗓音,因此总样本共724例。选择624例作为训练,100例作为测试,然后分别进行RF、GMM识别,GMM最佳混合数为2[14]。实验结果如表1、表2所示。
图表编号 | XD0022751100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.25 |
作者 | 许远静、胡维平 |
绘制单位 | 广西师范大学电子工程学院、广西师范大学电子工程学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表1 基于RF的特征组合的识别率Tab.1 Recognition rate of features combination based on RF”的人还看了
- 表3 组合颜色特征参数与LNC的线性回归分析结果Tab.3 Linear regression analysis results of combination color feature parameters and LNC