[发明专利]基于度量学习的语音时序数据相似性度量方法在审
| 申请号： | 201910430437.1 | 申请日： | 2019-05-22 |
| 公开（公告）号： | CN110147843A | 公开（公告）日： | 2019-08-20 |
| 发明（设计）人： | 王念滨;刘鹏;张毅;王红滨;周连科;张海彬;崔琎 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 刘冰 |
| 地址： | 150001 黑龙江*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供基于度量学习的语音时序数据相似性度量方法，属于数据分类技术领域。本发明首先获取语音时序数据；结合马氏距离和斯皮尔曼线性相关性系数计算语音时序数据的局部距离，然后使用动态时间弯曲算法得到动态时间弯曲距离的表达式；再根据PGDM度量学习框架建立以马氏矩阵为参数的损失函数；求解损失函数计算出针对当前训练集样本的马氏矩阵；最后将步骤四中求得的马氏矩阵代入动态时间弯曲距离的表达式，得到每两个语音时序数据样本的相似性度量。本发明解决了现有语音时序数据相似性度量不准确的问题。本发明可用于语音时序数据的相似性度量。 | ||
| 搜索关键词： | 时序数据 相似性度量 语音 矩阵 时间弯曲 度量 马氏 损失函数 训练集样本 局部距离 框架建立 马氏距离 数据分类 系数计算 求解 可用 算法 学习 样本 | ||
【主权项】：
1.基于度量学习的语音时序数据相似性度量方法，其特征在于，具体包括以下步骤：步骤一、获取语音时序数据；步骤二、结合马氏距离和斯皮尔曼线性相关性系数计算语音时序数据的局部距离，然后使用动态时间弯曲算法得到动态时间弯曲距离的表达式；步骤三、根据PGDM度量学习框架建立以马氏矩阵为参数的损失函数；步骤四、求解损失函数计算出针对当前训练集样本的马氏矩阵；步骤五、将步骤四中求得的马氏矩阵代入动态时间弯曲距离的表达式，得到每两个语音时序数据样本的相似性度量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910430437.1/，转载请声明来源钻瓜专利网。
