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！

申请/专利权人：辽宁大学

摘要：一种基于特征重要性方法的可解释恶意语音检测方法，属于深度学习、机器学习可解释性技术领域。该方法旨在缓解维度灾难问题，同时确保所选特征能够提升模型对恶意语音的检测性能。本发明利用机器学习的可解释性来优化模型训练中的特征维度选择，通过分析特征的贡献度，区分了影响模型性能的关键特征和可以被移除的非关键特征。这种基于贡献度分析的特征选择方法提高了模型训练和部署的效率，增加了模型的透明度和用户的信任度。在检测恶意语音的应用中，本发明方法通过评估每个特征的贡献，筛选出对区分正常语音和恶意语音具有显著分辨力的特征。优化后的特征空间提高了恶意语音检测精度，降低了计算负担。

主权项：1.一种基于特征重要性方法的可解释恶意语音检测方法，其特征在于，其步骤为：1选取特征组合方法：选取MDA方法和SHAP方法对语音特征进行提取；2特征组合方法的结合：通过给不同特征组合方法不同权重，并结合特征的差异化，将差异化较大的特征重要性方法结果删除，将差异化较小的合并；接收一个语音情感识别模型F，一组特征X，以及不同特征重要性方法的特征权重矩阵W1，W2......Wn，这些矩阵基于n种不同的特征重要性评估方法得出，还有特征的维数l和筛选阈值∈；所有的特征权重矩阵都经过归一化处理，以消除不同量纲的影响并将它们放在同一量级上，以便于后续处理；算法通过对每一种特征重要性方法，选取特征集X中的前半部分特征来训练模型，并记录下每种方法对应的模型正确率P[i]；之后，根据得到的正确率P，为每种特征重要性方法分配一个权重α，这个权重反映了其在特征选择中的有效性；算法计算所有特征权重矩阵的方差矩阵Qi，这有助于了解各个特征重要性方法之间的差异，如果某一特征在方差矩阵中的值小于阈值∈，意味着这个特征的重要性在不同方法间相对一致，该特征会根据其权重进行累加计算，即在原有权重的基础上加上αi乘以Wi中的权重，最后，经过上述步骤的权重调整之后，算法输出最终特征重要性权重矩阵；3将特征重要性排名前5的特征值输入GRU模型中，然后，对恶意语音检测模型进行训练；将前述需要检测的排名前5的语音特征进行提取，将提取的特征值输入到GRU模型中，然后，对于语音进行检测，最终得到检测结果。

全文数据：

权利要求：

百度查询： 辽宁大学 一种基于特征重要性方法的可解释恶意语音检测方法