一種大數(shù)據(jù)語(yǔ)音分類方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種大數(shù)據(jù)語(yǔ)音分類方法。
【背景技術(shù)】
[0002] 隨著移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展，帶有數(shù)字?jǐn)z像頭智能手機(jī)、平板電腦越來(lái)越多的進(jìn) 入人們的生活，很容易產(chǎn)生大量的個(gè)人語(yǔ)音信息。雖然利用時(shí)間和目錄對(duì)語(yǔ)音數(shù)據(jù)進(jìn)行管 理是一種常見(jiàn)的方法，但是缺乏語(yǔ)義層面對(duì)語(yǔ)音進(jìn)行有效的管理。因此利用監(jiān)督學(xué)習(xí)方法， 通過(guò)學(xué)習(xí)人工標(biāo)注數(shù)據(jù)，以獲得語(yǔ)音分類模型，然后對(duì)沒(méi)有標(biāo)注的語(yǔ)音進(jìn)行自動(dòng)語(yǔ)音分類。 由于語(yǔ)音通常的特征維數(shù)非常高，因此傅里葉變換法有助于識(shí)別性能的提高。
[0003] 傳統(tǒng)的全局線性傅里葉變換方法主要是基于線性的，其中線性判別分析被廣泛地 應(yīng)用在模式分類問(wèn)題上。線性判別分析法主要通過(guò)最大化類間距離的同時(shí)使類內(nèi)樣本間距 離最小，從而實(shí)現(xiàn)不同類別之間的可分性。但是，大數(shù)據(jù)圖像分類面臨著類別數(shù)巨大，需要 分類的樣本數(shù)量巨大等困難。線性判別分析對(duì)于大數(shù)據(jù)而言，使用成本是比較高的，為了獲 得一定的分類性能，它需要人工大量的標(biāo)注樣本。這使得語(yǔ)音分類軟件開(kāi)發(fā)成本大量增加， 需要人工大量的標(biāo)注樣本。
[0004] 因此，尋找一個(gè)需要標(biāo)注少量樣本即可得到滿足要求的自動(dòng)語(yǔ)音分類方法是非常 必要的。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種大數(shù)據(jù)語(yǔ)音分類方法，減少軟件開(kāi)發(fā)成 本，合理對(duì)大量的語(yǔ)音數(shù)據(jù)進(jìn)行有效地分類，辨別以及處理。
[0006] 本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下：一種大數(shù)據(jù)語(yǔ)音分類方法，包括如下 步驟：
[0007] 1)收集語(yǔ)音樣本作為訓(xùn)練集；
[0008] 2)尋找大數(shù)據(jù)語(yǔ)音分類最優(yōu)的頻譜矩陣；
[0009] 3)對(duì)無(wú)標(biāo)注數(shù)據(jù)進(jìn)行頻譜分析；
[0010] 4)對(duì)頻譜數(shù)據(jù)采用頻段對(duì)大數(shù)據(jù)語(yǔ)音進(jìn)行分類。
[0011] 優(yōu)選地，所述尋找大數(shù)據(jù)語(yǔ)音分類最優(yōu)的頻譜矩陣，包括以下步驟：
[0012] 步驟1、建立局部?jī)?yōu)化目標(biāo)函數(shù)；
[0013] 步驟2、建立全局優(yōu)化目標(biāo)函數(shù)；
[0014] 步驟3、利用傅里葉變換算法：將新的全局優(yōu)化目標(biāo)的問(wèn)題轉(zhuǎn)換為求廣義特征值 問(wèn)題，大數(shù)據(jù)語(yǔ)音分類最優(yōu)的頻譜矩陣由式子
【主權(quán)項(xiàng)】
1. 一種大數(shù)據(jù)語(yǔ)音分類方法，其特征在于，包括如下步驟： 1) 收集語(yǔ)音樣本作為訓(xùn)練集； 2) 尋找大數(shù)據(jù)語(yǔ)音分類最優(yōu)的頻譜矩陣； 3) 對(duì)無(wú)標(biāo)注數(shù)據(jù)進(jìn)行頻譜分析； 4) 對(duì)頻譜數(shù)據(jù)采用頻段對(duì)大數(shù)據(jù)語(yǔ)音進(jìn)行分類。
2. 根據(jù)權(quán)利要求1所述的大數(shù)據(jù)語(yǔ)音分類方法，其特征在于，所述尋找大數(shù)據(jù)語(yǔ)音分 類最優(yōu)的頻譜矩陣，包括以下步驟： 步驟1、建立局部?jī)?yōu)化目標(biāo)函數(shù)； 步驟2、建立全局優(yōu)化目標(biāo)函數(shù)； 步驟3、利用傅里葉變換算法：將新的全局優(yōu)化目標(biāo)的問(wèn)題轉(zhuǎn)換為求廣義特征值問(wèn)題，
t 大數(shù)據(jù)語(yǔ)音分類最優(yōu)的頻譜矩陣由式子 的前m 個(gè)最小特征值對(duì)應(yīng)的X(n，k)。
【專利摘要】本發(fā)明公開(kāi)了一種大數(shù)據(jù)語(yǔ)音分類方法，包括如下步驟：1)收集語(yǔ)音樣本作為訓(xùn)練集；2)尋找大數(shù)據(jù)語(yǔ)音分類最優(yōu)的頻譜矩陣；3)對(duì)無(wú)標(biāo)注數(shù)據(jù)進(jìn)行頻譜分析；4)對(duì)頻譜數(shù)據(jù)采用頻段對(duì)大數(shù)據(jù)語(yǔ)音進(jìn)行分類。利用本發(fā)明提出的方法，能夠有效地找出大數(shù)據(jù)情況下，不同語(yǔ)音數(shù)據(jù)的特征信息從而得到各類相關(guān)數(shù)據(jù)的有效分類，有效地減少訓(xùn)練過(guò)程中的存儲(chǔ)成本，其分類準(zhǔn)確度高于現(xiàn)有技術(shù)。
【IPC分類】G10L15-08
【公開(kāi)號(hào)】CN104700833
【申請(qǐng)?zhí)枴緾N201410844027
【發(fā)明人】高輝, 尚成輝
【申請(qǐng)人】蕪湖樂(lè)銳思信息咨詢有限公司
【公開(kāi)日】2015年6月10日
【申請(qǐng)日】2014年12月29日