龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京信息工程大学
摘要：本发明公开了基于语音语料对齐与自适应融合的语音分类方法，方法包括：构建语音分类数据集，并划分为训练集与测试集；构建语音分类网络模型，包括对齐构造模块、语音关联性构建模块、片段重要性挖掘模块、融合检测模块；将融合检测模块输出特征输入分类器以获得预测结果；设计用于优化网络模型参数的损失函数，根据损失函数在训练集上采用Adam优化器实现模型参数的迭代优化与更新；训练完成的语音分类网络模型可实现对语音信号的端对端分类。本发明利用深度学习技术通过语音信号实现自动分类，可应用于不同场景，如对情感、性别、年龄等特征的识别，有助于企业分析用户的情感、性别、年龄，从而提供更人性化、更具针对性的服务。
主权项：1.基于语音语料对齐与自适应融合的语音分类方法，其特征在于，执行如下步骤S1-步骤S5，完成语音数据分类：步骤S1：获取原始语音数据，将原始语音数据以预设比例划分训练集和测试集；步骤S2：构建基于语音语料对齐与自适应融合的语音分类网络模型，语音分类网络模型包括对齐构造模块、语音关联性构建模块、片段重要性挖掘模块、融合检测模块；以原始语音数据输入对齐构造模块，对原始语音数据进行语音片段分离，分别从所得语音片段和原始语音数据中提取深层特征；利用语音关联性构建模块捕捉语音片段间的相互联系，获得关联性特征；利用片段重要性挖掘模块基于所得关联性特征进行语料重要性自适应学习，获取各语音片段的重要性系数；在融合检测模块中根据重要性系数对特征进行组合，形成总和嵌入特征；并输入分类器以获得预测的语音数据分类结果；步骤S3：设计用于优化语音分类网络模型的损失函数，预设语音分类网络模型的训练超参数；步骤S4：将训练集中的原始语音数据送入语音分类网络模型中，根据损失函数，采用Adam优化器实现语音分类网络模型参数的迭代优化与更新；步骤S5：对语音分类网络模型进行训练和测试，直至语音分类网络模型达到预设收敛条件，采用训练好的语音分类网络模型实现端对端的语音数据分类。
全文数据：
权利要求：
百度查询： 南京信息工程大学 基于语音语料对齐与自适应融合的语音分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号