謊言檢測(cè)的重要性不言而喻,測(cè)謊在輔助公安偵查、防止電信詐騙等方面有著重要的意義。以往測(cè)謊的方法往往使用專(zhuān)業(yè)且昂貴的儀器,并測(cè)量受試者的生理信號(hào)變化作為檢測(cè)依據(jù),例如脈搏、血壓、腦電波等。相比之下,利用語(yǔ)音進(jìn)行測(cè)謊則非常方便快捷,其非接觸式、非強(qiáng)迫的特點(diǎn)不易引起受試者的排斥情緒和恐懼心理,因此更具有隱蔽性和客觀性。然而目前語(yǔ)音測(cè)謊尚處于起步階段,還有許多問(wèn)題需要解決。深度神經(jīng)網(wǎng)絡(luò)近年來(lái)在圖像識(shí)別,語(yǔ)音處理等領(lǐng)域表現(xiàn)出卓越的性能,這給語(yǔ)音測(cè)謊提供了新的研究思路,因此,本文將深度神經(jīng)網(wǎng)絡(luò)應(yīng)用于語(yǔ)音測(cè)謊,針對(duì)目前語(yǔ)音測(cè)謊存在的幾個(gè)問(wèn)題進(jìn)行了研究,主要工作從以下三個(gè)方面展開(kāi):(1)構(gòu)建了漢語(yǔ)謊言語(yǔ)料庫(kù)�，F(xiàn)有的謊言語(yǔ)料庫(kù)很少,尤其是漢語(yǔ)謊言語(yǔ)料庫(kù)匱乏。為了對(duì)謊言語(yǔ)料尤其是漢語(yǔ)謊言語(yǔ)料進(jìn)行補(bǔ)充,本文參考了既有的謊言語(yǔ)音獲取經(jīng)驗(yàn),將“狼人游戲”和“殺手游戲”做為語(yǔ)料的背景來(lái)源,從互聯(lián)網(wǎng)上選取了相關(guān)的高質(zhì)量視頻,之后使用專(zhuān)業(yè)的音頻處理軟件從中提取、剪切出時(shí)長(zhǎng)為數(shù)秒的短語(yǔ)音,構(gòu)建了一個(gè)純漢語(yǔ)的謊言語(yǔ)料庫(kù),并提取出這些語(yǔ)料的語(yǔ)音特征,用分類(lèi)器加以識(shí)別,對(duì)語(yǔ)音測(cè)謊進(jìn)行了初步的探索。(2)提出了一種改進(jìn)的半監(jiān)督...

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

2相關(guān)理論基礎(chǔ)8圖2基礎(chǔ)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖2.2.1自編碼網(wǎng)絡(luò)自編碼網(wǎng)絡(luò)最早由Rumelhart等人提出，它通過(guò)對(duì)原始輸入數(shù)據(jù)的特征進(jìn)行提取從而復(fù)現(xiàn)原始輸入，因此能提取出給定樣本的隱層特征，常用于表示學(xué)習(xí)和數(shù)據(jù)轉(zhuǎn)換[27,28]。如圖2所示的三層網(wǎng)絡(luò)結(jié)構(gòu)，傳統(tǒng)的自編碼網(wǎng)絡(luò)和其相似，....

圖3去噪自編碼網(wǎng)絡(luò)結(jié)構(gòu)示意圖

是對(duì)原始自編碼網(wǎng)絡(luò)的一種擴(kuò)展，應(yīng)用非常廣泛。DAE在訓(xùn)練時(shí)，需要將一定比例的隨機(jī)噪聲加入待輸入的數(shù)據(jù)中，然后再進(jìn)行普通的編碼解碼過(guò)程，最關(guān)鍵的是解碼部分，解碼網(wǎng)絡(luò)需要對(duì)受損數(shù)據(jù)的編碼形式進(jìn)行解碼，盡可能的還原出未受損時(shí)的數(shù)據(jù)，以增強(qiáng)提取出的特征對(duì)于干擾的抵抗力，提高網(wǎng)絡(luò)的魯棒性能....

圖4稀疏自編碼網(wǎng)絡(luò)訓(xùn)練示意圖

2相關(guān)理論基礎(chǔ)10即使網(wǎng)絡(luò)的隱藏層單元設(shè)置較多，它依然可以提取出重要的特征。圖4稀疏自編碼網(wǎng)絡(luò)訓(xùn)練示意圖2.2.2卷積神經(jīng)網(wǎng)絡(luò)上世紀(jì)中期，加拿大的研究者發(fā)現(xiàn)人類(lèi)在觀看某事物時(shí)，視覺(jué)神經(jīng)并不是對(duì)視野內(nèi)的全部信息都予以關(guān)注，而是只會(huì)對(duì)特定區(qū)域有較明顯反應(yīng)，該區(qū)域就是感受野，這一發(fā)現(xiàn)促....

圖5循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

紜?在RNN的訓(xùn)練過(guò)程中，一個(gè)序列當(dāng)前時(shí)刻的輸出不僅受當(dāng)前時(shí)刻的輸入的影響，也與先前時(shí)刻的輸出有關(guān)。為了做到這點(diǎn)，RNN會(huì)對(duì)先前時(shí)刻的信息進(jìn)行記憶，在計(jì)算當(dāng)前輸出時(shí)再應(yīng)用這些記憶信息。從結(jié)構(gòu)上來(lái)說(shuō)，RNN的隱藏層之間的節(jié)點(diǎn)也是有連接的，這就和傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)大不相同，并且隱藏層的的....

本文編號(hào)：3930816