《表1 基于RF的特征组合的识别率Tab.1 Recognition rate of features combination based on RF》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于随机森林的不同程度病态嗓音识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。