Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜成都好麦科技有限公司沈宇星获国家专利权

恭喜成都好麦科技有限公司沈宇星获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜成都好麦科技有限公司申请的专利基于深度学习的抑郁症语音识别方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119400213B

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510000749.4,技术领域涉及:G10L25/66;该发明授权基于深度学习的抑郁症语音识别方法及系统是由沈宇星;彭小兵设计研发完成,并于2025-01-02向国家知识产权局提交的专利申请。

基于深度学习的抑郁症语音识别方法及系统在说明书摘要公布了:本发明涉及抑郁症识别技术领域,具体涉及一种基于深度学习的抑郁症语音识别方法及系统。本发明对训练个体的语音数据进行聚类得到语音簇,基于语音簇内语音数据个数调整语音数据的语音属性的特征序列中元素,得到每种语音属性的特征语音值;根据训练个体的词簇集合内同一分词在其所属语音簇内的出现次数,以及存在每个分词的语音簇个数,构建训练个体的特征分词集合;结合训练个体的语音属性的特征语音值和特征分词集合对神经网络进行训练,利用训练好的神经网络对待测个体进行抑郁症检测。本发明综合训练个体的语言的语音特征与语义特征训练神经网络,提高抑郁症检测的准确率。

本发明授权基于深度学习的抑郁症语音识别方法及系统在权利要求书中公布了:1.一种基于深度学习的抑郁症语音识别方法,其特征在于,该方法包括:获取训练个体与待测个体的语音数据,以及每个语音数据的分词集合与每种语音属性的特征序列;根据训练个体的任意两个语音数据的同种语音属性的特征序列中元素差异与元素波动程度的差异,对训练个体的所有语音数据进行聚类,得到训练个体的语音簇;基于所述语音簇内语音数据个数调整语音数据的每种语音属性的特征序列中元素,获取训练个体的每种语音属性的特征语音值;将每个语音簇内语音数据的分词集合内分词构成的集合记为词簇集合;根据训练个体的所有语音簇的词簇集合内同一分词在其所属语音簇内的出现次数,以及存在训练个体的语音簇的词簇集合内每个分词的语音簇个数,构建训练个体的特征分词集合;结合训练个体的所有语音属性的特征语音值和所述特征分词集合对神经网络进行训练,利用训练好的神经网络对待测个体进行抑郁症检测;所述训练个体的语音簇的获取方法,包括:对于每个语音数据的每种语音属性的特征序列,计算特征序列中除第一个元素外的其余元素与其相邻前一个元素的差值的均值,作为波动集中值;将特征序列中所有元素的均值作为特征集中值;根据训练个体的任意两个语音数据的同种语音属性的所述波动集中值的差异与所述特征集中值的差异,获取训练个体的任意两个语音数据的特征距离;基于所述特征距离对训练个体的所有语音数据进行聚类,将得到的聚类簇记为语音簇;所述获取训练个体的每种语音属性的特征语音值,包括:将每个语音簇内语音数据的每种语音属性的特征序列中所有元素的众数,作为对应语音簇的每种语音属性的局部特征值;将训练个体的所有语音簇按照语音簇内语音数据总个数从小到大顺序排列,得到簇序列;获取簇序列中每个语音簇的下标值记为每个语音簇的特征权重;利用所述特征权重对每个语音簇的每种语音属性的所述局部特征值进行加权,得到每个语音簇的每种语音属性的加权特征值;计算训练个体的所有语音簇的每种语音属性的所述加权特征值的均值作为训练个体的每种语音属性的特征语音值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人成都好麦科技有限公司,其通讯地址为:610200 四川省成都市天府新区华阳街道嘉州路168号3栋2单元9层910号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。