摘要
本申请公开了一种脑卒中后构音障碍分类模型训练方法、分类方法及装置,训练方法包括:获取多个脑卒中后构音障碍患者用户和正常用户的语音数据;从各语音数据中提取频域特征和时域特征;对各语音数据的频域特征和时域特征进行特征融合,得到各语音数据的时频融合特征;以各语音数据的时频融合特征为输入,以各语音数据对应的用户类别为输出训练目标网络,得到脑卒中后构音障碍分类模型。本申请改善了现有技术采用单一的语音特征进行脑卒中后构音障碍语音分类,存在分类准确性不高的技术问题。
技术关键词
分类模型训练方法
时域特征
融合特征
频域特征
短时傅里叶变换
残差网络
分类方法
存储程序代码
特征提取单元
数据获取单元
预测类别
长短期记忆网络
可读存储介质
患者
处理器
语音特征
系统为您推荐了相关专利信息
情感特征
智能语音对话
多模态交互
面部关键点定位
文本
网络安全知识图谱
双向长短期记忆网络
实体
网络安全信息
补全方法
病害分析方法
智能预测系统
决策支持系统
病害特征
路面
面向开关柜
数据融合系统
传感器
人工智能算法
警报
应力分析方法
应力分析模型
结构件
叉车
时域特征