《表3 训练集和测试集的设置方案》

  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

《基于人工神经网络的鼾声相关信号的分类》

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

我们切割的各类声音片段的总数如表1所示，分别为46 517，25 357，12 966，按八二比例将它们分为训练集和测试集．划分有3种方案，如表3（见第534页）所示．第1种保持八二比例的原始数据，显然鼾声、呼吸声和其他噪声片段的数量相差较大，鼾声片段的数量远远大于呼吸声和其他噪声片段的数量．针对这种类别数据不平衡的问题，第2种方案是直接对训练集里的多数类别的样本进行下采样（downsampling），即去除多数类别中多余的样本量，使得各类样本的数量接近．第3种方案是对训练集中的少数类别的样本进行上采样（upsampling），即增加一些少数样本的数量，使得各类样本的数量接近．第3种方案对于训练集中样本数量较少的呼吸声和其他噪声片段，通过加入白噪声的方式，合成新的信噪比为20dB的“呼吸声”和“其他噪声”加入训练集的对应类别中，使得训练集的呼吸声与其他噪声片段同鼾声片段的数量一样．3个方案中测试集相同．本文分别对训练集进行下采样和上采样处理以解决类别不平衡问题．详细数据见表3.