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！

龙图腾网获悉中国地质大学(武汉)申请的专利基于元度量学习的小样本语音情感识别方法及装置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：CN115329123B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202210865821.6，技术领域涉及：G06F16/635；该发明授权基于元度量学习的小样本语音情感识别方法及装置是由刘振焘;彭志昆;刘陈陵;黄海;韩梦婷设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本基于元度量学习的小样本语音情感识别方法及装置在说明书摘要公布了：本发明提供了一种基于元度量学习的小样本语音情感识别方法及装置。该方法一方面提出一种基于密度分布评估的自适应过采样数据不平衡处理方法，动态处理不同类别数据间的不平衡问题，另一方面基于度量学习的小样本学习方法，并结合元学习的训练方式，不仅能够对小样本数据集进行情感识别，并且摆脱了大规模数据库对模型预训练的过程。该方法相比于传统的小样本学习方法，识别准确率高，可实现性好。

本发明授权基于元度量学习的小样本语音情感识别方法及装置在权利要求书中公布了：1.一种基于元度量学习的小样本语音情感识别方法，其特征在于，包括以下步骤： S1：获取小样本语音情感数据集并进行数据处理，包括不平衡数据处理、语音信号预处理和语谱图生成，以获得语谱图数据集； S2：依据元学习的标准，将所述语谱图数据集拆分成元训练阶段所使用的支持集S和查询集Q，以及元测试阶段所使用的支持集S'和查询集Q'； S3：搭建基于度量学习的小样本语音情感识别模型； S4：分元训练和元测试两阶段对所述小样本语音情感识别模型进行训练和测试，其中元训练阶段训练超参数，元测试阶段训练参数，训练完成后，得到训练好的模型； S5：通过所述训练好的模型进行语音情感识别，得到语音情感识别结果； 所述不平衡数据处理的步骤包括： S121：定义可能存在数据不平衡的语音情感数据集为D＝{x1,x2,...,xn}，定义数据集所包含的情感类别数为n，则其中的n-1个类别为少数类，余下的1个类别为数据量最多的多数类，记多数类的集合为Dq＝{x1,x2,...,xq}，即多数类的个数为q，对于n-1个少数类，记任意一个少数类的样本数为p； S122：遍历执行步骤S123-S126，直至数据平衡，即完成不平衡数据处理过程； S123：计算不平衡指数i，当i1时，则认为存在数据不平衡，i的计算式为 其中，λ是过滤参数，用于过滤轻微的、对后续的情感分类任务影响不大的数据不平衡问题，其取值范围为[pq,1]； S124：计算该少数类所需合成的样本的总数， N＝αq-p,α∈0,1]， 其中，α是调节参数，用于设定所需要的调节程度，当α＝1时，即需要调节至数据完全平衡； S125：根据欧式距离计算公式，求取每个少数类样本xi的k个邻近样本， 其中，t表示语音情感的特征维数，xi代表少数类样本，yj代表多数类样本，并且记xi的这k个邻近样本中多数类样本的个数为si； S126：计算该少数类样本xi的k个邻近样本范围内的多数类样本的密度分布ρi，并做归一化处理得到 ρi＝sik S127：依据归一化后的密度分布值，求得该样本需要合成的新样本的个数Ni 返回步骤S122； 步骤S2包括： S21：将所述语谱图数据集拆分原始训练集和原始测试集； S22：从原始测试集中选取N类样本，所选出的这N类样本中含有众多样本； S23：从这N类样本的每类中随机选出k+x个样本，其中的k个样本被放入元测试阶段所使用的支持集S'，另外的x个样本将被放入元测试阶段所使用的查询集Q'； S24：按照步骤S22-S23同样的方法，获取元训练阶段所使用的支持集S和查询集Q。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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”。

以上内容由龙图腾AI智能生成。