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

doi:10.12263/DZXB.20201003

	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
其他题名	An Unsupervised Two-Step Convolution Sparse Transfer Learning Algorithm for Parkinson's Disease Speech Diagnosis
	张小恒 1,2; 张馨月 ; 李勇明 ; 王品 ; 刘玉川
	2022-01-28
发表期刊	电子学报
ISSN	0372-2112
卷号	50 期号:1 页码:177-184
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％.
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
DOI	10.12263/DZXB.20201003
URL	查看原文
收录类别	北大核心 ; CSCD
语种	中文
资助项目	国家自然科学基金（No.61771080）;; 重庆市自然科学基金（No.cstc2020jcyj-msxmX0100,No.cstc2020jcyj-msxmX0196）;; 重庆市社会科学规划项目（No.2018YBYY133）
原始文献类型	Periodical
文献类型	期刊论文
条目标识符	http://ir.library.ouchn.edu.cn/handle/39V7QQFX/25859
专题	国家开放大学重庆分部
作者单位	1.重庆大学微电子与通信工程学院,重庆400030; 2.重庆广播电视大学,重庆400052
第一作者单位	国家开放大学重庆分部
推荐引用方式 GB/T 7714	张小恒,张馨月,李勇明,等. 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[J]. 电子学报,2022,50(1):177-184.
APA	张小恒,张馨月,李勇明,王品,&刘玉川.(2022).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.电子学报,50(1),177-184.
MLA	张小恒,et al."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".电子学报 50.1(2022):177-184.