BriefGPT - AI 论文速递
·
持续元音在 COPD 预处理与后处理分类中的应用
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了两组新颖特征用于帕金森病严重度分类，实验证明这些特征在语音任务中表现优于传统的MFCC特征。
🎯
关键要点
- 本研究提出了两组新颖特征用于帕金森病严重度分类。
- 新特征包括基于单频滤波方法的 SFF 倒谱系数（SFFCC）和基于 SFF 的 MFCC（MFCC-SFF）。
- 使用 PC-GITA 数据库进行实验，结果显示新特征在三个语音任务中均优于传统的 MFCC 特征。
- 在元音任务中，SFFCC 和 MFCC-SFF 特征相较于 MFCC 特征分别提高了 5.8% 和 2.3%。
- 在句子任务中，SFFCC 和 MFCC-SFF 特征相较于 MFCC 特征分别提高了 7.0% 和 1.8%。
- 在朗读文本任务中，SFFCC 和 MFCC-SFF 特征相较于 MFCC 特征分别提高了 2.4% 和 1.1%。
➡️
