隨著工作和學(xué)環(huán)境壓力的增加,心理健康問題已經(jīng)成為當(dāng)前社會研究的主要課題。通常研究人員通過使用社交感知行為來分析心理健康狀態(tài)。社交感知信號通常包括語音信號,行為信號,心理感知信號等。其中語音信號由于包含豐富的情感和社交信息,是可靠的身心健康評估特征。在本文中,使用所提出的可穿戴設(shè)備進(jìn)行了為期四周的長期監(jiān)測實(shí)驗(yàn)研究。在完全自然的情況下分析具有分段的語音-社交特征。我們設(shè)計(jì)了用于基于極少特征語音分割的遷移學(xué)習(xí)模型算法。對經(jīng)典的深度學(xué)習(xí)VGG-net網(wǎng)絡(luò)進(jìn)行修改,加入殘差學(xué)習(xí)單元,以加深網(wǎng)絡(luò)的深度,通過修改卷積核的大小,改變感受野大小。通過在TUT Acoustic Scenes數(shù)據(jù)集上訓(xùn)練模型,并在該模型上學(xué)習(xí)基本聲學(xué)場景特征,基于模型的遷移算法,僅用四個(gè)可穿戴語音社交特征(能量、熵、亮度、共振峰)將模型遷移到長時(shí)間社交數(shù)據(jù)集。所獲得的結(jié)果顯示使用可穿戴長期語音社交數(shù)據(jù)集在無約束的自然情況下對語音場景可以進(jìn)行有效的分割。對于長期社交語音監(jiān)控,本文主要研究內(nèi)容包括:1)基于長期語音-社交特征分析設(shè)計(jì)可穿戴智能設(shè)備來評估心理健康。該分析能夠以有說服力的方式處理語音信號�？陀^地使用有限的四個(gè)語音-社交特征信號(能量、熵、亮度、共振峰)進(jìn)行分析,避免直接記錄語音,以保護(hù)個(gè)人隱私和減少計(jì)算復(fù)雜度。以大學(xué)生作為研究對象,設(shè)計(jì)了長達(dá)一個(gè)月的心理健康監(jiān)測實(shí)驗(yàn),用于評估他們的身心健康狀況。2)將基于模型的遷移學(xué)習(xí)算法應(yīng)用于語音分割領(lǐng)域,并通過基于模型的遷移學(xué)習(xí)模型研究提高對語音分割的精度。通過加入殘差學(xué)習(xí)單元以增加網(wǎng)絡(luò)結(jié)構(gòu)的深度,提供網(wǎng)絡(luò)的泛化能力。并通過改變卷積核的大小以調(diào)整感受野的大小。使得網(wǎng)絡(luò)在少數(shù)特征(能量、熵、亮度、共振峰)的數(shù)據(jù)集上可以收斂。最終通過對基于模型的遷移學(xué)習(xí)模型的研究,以解決傳統(tǒng)算法中經(jīng)常發(fā)生的訓(xùn)練樣本不足的問題。3)最后,建立分段語音-社交特征與焦慮(自閉癥)水平狀態(tài)之間的相互關(guān)系,用于協(xié)助研究大學(xué)生的心理健康狀況。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R749;TN912.3
【部分圖文】：

可穿戴設(shè)備和基于 PC 端的語音分割算法是為了通過可穿戴設(shè)備（可穿戴手環(huán)）構(gòu)建一個(gè)有限主設(shè)計(jì)的可穿戴手環(huán)在自閉癥實(shí)驗(yàn)（該實(shí)驗(yàn)設(shè)計(jì)的細(xì)）的中收集被測試者（電子科技大學(xué)在校學(xué)生）的、共振峰），采集到語音社交特征會被保存在 SDK月的長時(shí)間可穿戴社交數(shù)據(jù)集，其中自閉癥實(shí)驗(yàn)設(shè)詳細(xì)介紹�？纱┐髟O(shè)備（可穿戴手環(huán)）主要用在自閉收集，每個(gè)受測試者被要求佩戴為期四周的時(shí)間，每語音特征數(shù)據(jù)集。通過 PC 端自主設(shè)計(jì)的基于模型遷語音數(shù)據(jù)集進(jìn)行有效分割，構(gòu)建出語音-社交特征關(guān)系，以方便研究大學(xué)生的心理健康狀況。的社交感知平臺以及特征描述的社交感知平臺

越高遷移過程學(xué)習(xí)到的有用知識越多，在設(shè)計(jì)網(wǎng)絡(luò)結(jié)構(gòu)數(shù)。從改進(jìn) VGG 網(wǎng)絡(luò)結(jié)構(gòu)，基于模型的遷移學(xué)習(xí)算法和評估基于模型遷移學(xué)習(xí)語音分割算法。其中在改進(jìn) VGG 網(wǎng)絡(luò)改進(jìn)的細(xì)節(jié)部分以及相應(yīng)的理論依據(jù)，基于模型的遷移中模型/參數(shù)遷移學(xué)習(xí)模型的部分的補(bǔ)充，進(jìn)一步詳細(xì)介程中用到的技巧，評估與分析中將介紹模型評估的指標(biāo)以。VGG 網(wǎng)絡(luò)結(jié)構(gòu)經(jīng)網(wǎng)絡(luò)中一般是通過常用的算子來構(gòu)建出基本的網(wǎng)絡(luò)結(jié)構(gòu)理的網(wǎng)絡(luò)層被稱為輸入層主要包括白化、歸一化和去均值卷積神經(jīng)網(wǎng)絡(luò)中的基本操作，通過使用離散卷積的形式，圖片區(qū)域獲得圖像的局部信息。激活函數(shù)層主要是做一個(gè)為了增加網(wǎng)絡(luò)的表達(dá)能力，常用的激活函數(shù)有Sigmoid 函 3-5 和 3-6 為兩個(gè)激活函數(shù)的函數(shù)圖像。

圖 3-6 線性整流函數(shù) 3-6 為線性整流函數(shù)圖像，線性整流函數(shù)(RectifiedLinearUnit,ReLU), 正線性單元,通常指的以斜坡函數(shù)及其變種為代表的非線性函數(shù)。常意義下線性整流函數(shù)指代數(shù)學(xué)中的斜坡函數(shù)，即 ( x ) max(0, x)（3-3）公式求導(dǎo)可得1 0( )0 0xxx 在神經(jīng)網(wǎng)絡(luò)中線性整流作為神經(jīng)元的激活函數(shù)，定義了該神經(jīng)元在線 b 之后的非線性輸出結(jié)果。換言之對于進(jìn)入神經(jīng)元的來自上一層神經(jīng)向量 x,使用線性整流激活函數(shù)的神經(jīng)元會輸出至下一層神經(jīng)元或作為絡(luò)的輸出。max(0, )TW X b

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 黃晨晨;鞏微;伏文龍;馮東煜;;基于深度信念網(wǎng)絡(luò)的語音情感識別的研究[J];計(jì)算機(jī)研究與發(fā)展;2014年S1期

2 曾小娟;蔣浩;李永鑫;;農(nóng)村留守初中生的心理健康與心理彈性、核心自我評價(jià)[J];中國心理衛(wèi)生雜志;2014年12期

3 陳煒亮;孫曉;;基于MFCCG-PCA的語音情感識別[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

4 魏平杰;樊興華;;語音傾向性分析中的特征抽取研究[J];計(jì)算機(jī)應(yīng)用研究;2014年12期

5 宋佾珈;張建新;張金鳳;;公務(wù)員的心理健康狀況及與應(yīng)酬壓力、職業(yè)倦怠感、生活滿意度的關(guān)系[J];中國心理衛(wèi)生雜志;2014年04期

6 顧睿;胡立斌;王刊良;;社交網(wǎng)站價(jià)值感知和社會影響對用戶忠誠影響的實(shí)證研究[J];信息資源管理學(xué)報(bào);2013年01期

7 凌錦雯;陸偉;劉青松;張琨磊;;利用EHMM和CLR的說話人分割聚類算法[J];小型微型計(jì)算機(jī)系統(tǒng);2012年06期

8 任新社;繆華;馬青玉;;基于改進(jìn)特征值的語音分割算法研究[J];南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版);2011年03期

9 高福友;陳雁翔;;一種基于說話者的無監(jiān)督語音分割算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

相關(guān)碩士學(xué)位論文 前1條

1 凌錦雯;基于多特征的說話人分割與聚類的研究[D];中國科學(xué)技術(shù)大學(xué);2011年

本文編號：2822030