[发明专利]语音数据基于分簇聚类的分块高斯回归模型子集建模方法

权利要求书

1.一种语音数据基于分簇聚类的分块高斯回归模型子集建模方法，其特征在于，

语音数据按时间间隔分帧，对每一帧数据进行特征提取，每一帧提取出来的特征数据降到三维后，进行分块高斯回归模型建模；所述分块高斯回归模型为基于子集法的高斯回归过程模型，在训练数据集中，按照贪婪算法选取出若干代表原训练数据集的点构成子集，将携带冗余信息的数据点剔除掉；

具体包括以下步骤：

S01，语音数据按时间间隔分帧，对每一帧数据进行特征提取，提取特征数据；

S02，每一帧提取出来的特征数据降到三维，组成训练数据；

S03，采用贪婪算法从训练数据集中选出一个子集；

S04，对选取的子集进行标准的高斯回归，求出高斯回归模型参数；

所述步骤S03具体包括以下步骤：

(a1)在N个三维训练数据中，选取的子集中包含M个元素，对N个三维训练数据进行初始分簇聚类，得出K个簇，并获得每个簇的质心；

其中[]为向前取整；

(a1)按照与质心的距离大小将训练集中的数据点等分为K个子集，每个簇中与相应簇质心距离d_i，比较d_i获取最远点到簇质心的距离R；

R＝maxd_i,i＝1,2.....K；

(a3)以K个质心为圆心，R为半径做出K个球，利用训练数据总量和分簇个数的商N/K，确定r与R的关系，使得大球之中填充满小球；

m＝[lg^N/K]，r＝R/(2m+1)；[]为向前取整；

r为小球的半径，R为大球半径，R与r的比例为2m+1，每个大球的直径分为2m+1段等长线段，将每个半径为R的大球当中填满半径为r的小球；

(a4)做一个与大球完全相切的大正方体，以2r为棱长将大正方体分割为(2m+1)^3个小正方体，然后求出每个小正方体的中心坐标，判断每个中心坐标到大球体球心的距离是否小于等于R-r，然后选取距离小于等于R-r的小球心，将簇中的所有点按最近距离原则划分至各个小球心；

(a5)将每个簇中的数据点按最近距离原则分入到每个小球当中，并设立阈值C，当小球中的数据个数少于该阈值时，将该球中的数据点按最近距离原则分入到周围小球当中；

(a6)统计出每个簇中实际含小球的个数，并将每个小球的球心坐标记下，记含小球个数最多的簇中含p个小球，找出离测试点距离最近的p个小球球心，将所述p个小球中包含的数据作为子集。

2.根据权利要求1所述的语音数据基于分簇聚类的分块高斯回归模型子集建模方法，其特征在于，

所述步骤S04工作过程包括如下步骤：

(b1)利用已选取好的子集，对子集进行高斯过程的训练，取条件概率的负对数求出核函数的参数；

(b2)对所有的模型参数分别求偏导，采用共轭梯度法得出参数的最优解。

3.根据权利要求1所述的语音数据基于分簇聚类的分块高斯回归模型子集建模方法，其特征在于，阈值C＝M/K。

4.根据权利要求1所述的语音数据基于分簇聚类的分块高斯回归模型子集建模方法，其特征在于，

还包括步骤S05，将测试点的数据和步骤S04中求得的模型参数代入至高斯回归模型中。