基于ANN與SVM的病態(tài)嗓音識(shí)別研究.pdf

1、隨著社會(huì)不斷進(jìn)步、經(jīng)濟(jì)發(fā)展以及隨之而來(lái)的生活改善和節(jié)奏加速，人們的語(yǔ)言交流活動(dòng)日益頻繁，常見嗓音疾病的發(fā)生率呈明顯上升趨勢(shì)。在嗓音醫(yī)學(xué)這門新興的?？漆t(yī)學(xué)領(lǐng)域中，基于嗓音聲學(xué)評(píng)估方法并利用信號(hào)處理手段去識(shí)別病態(tài)嗓音的研究已逐漸成為一個(gè)多學(xué)科交叉領(lǐng)域的前沿?zé)狳c(diǎn)。 病態(tài)嗓音識(shí)別包括嗓音信號(hào)特征提取和嗓音樣本分類識(shí)別兩部分。本文分別利用人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork，ANN)和支持向量機(jī)(SupportVe

2、ctorMachine，SVM)分類器，使用了美國(guó)麻省眼耳科醫(yī)院(MassachusettsEyeandEarInfirmary)語(yǔ)音嗓音實(shí)驗(yàn)室公開數(shù)據(jù)庫(kù)中177例混合型常見病嗓音樣本和39例正常嗓音樣本數(shù)據(jù)，進(jìn)行了模式分類識(shí)別算法研究。本文分別設(shè)計(jì)了兩種分類器的算法實(shí)驗(yàn)，分析了其嗓音樣本分類識(shí)別的可行性。ANN算法實(shí)驗(yàn)中，針對(duì)隱含層數(shù)、隱含層節(jié)點(diǎn)數(shù)以及訓(xùn)練函數(shù)類型等網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的選取，進(jìn)行了討論和分析；SVM算法實(shí)驗(yàn)中，針對(duì)核函數(shù)的類

3、型選擇及其參數(shù)的優(yōu)化，也做了相應(yīng)的討論和分析；最后比較了兩種分類器受樣本的影響程度和識(shí)別率的穩(wěn)定性。 本文研究結(jié)果表明，ANN和SVM兩種分類器均適用于病態(tài)嗓音樣本的模式分類，并都能獲得較高的正確識(shí)別率。但ANN的網(wǎng)絡(luò)模型設(shè)計(jì)和結(jié)構(gòu)參數(shù)選取往往需要較多的訓(xùn)練與實(shí)踐經(jīng)驗(yàn)才得以達(dá)到最優(yōu)效果；另外與SVM相比，ANN對(duì)訓(xùn)練樣本更為敏感且穩(wěn)定性略差(方差0.02)；因此，ANN主要適用于信號(hào)離線處理研究。而本文通過(guò)網(wǎng)格枚舉法得到SVM訓(xùn)