基于DCNN‑DNN和PV‑SVM的多模态抑郁症估计和分类方法

摘要

本发明涉及一种基于DCNN‑DNN和PV‑SVM的多模态抑郁症估计和分类方法，利用位移范围直方图和Opensmile工具对音视频特征进行预处理，利用深度卷积神经网络提取中音、视频统计特征的隐层抽象特征，利用深度神经网络DNN进行抑郁症估计，利用段向量PV方法进行文本信息的高维特征映射，将得到的高维特征表示输入SVM中进行二分类，将抑郁症估计与二分类结果串接后输入随机森林Random Forests模型进行训练，用训练好的随机森林Random Forests模型实现最终抑郁症的分类任务，即抑郁或非抑郁。由于采用DCNN模型对初级音视频提取了隐层抽象特征，这样使原来高维特征变得更加紧凑，包含的信息更加丰富，从而使模型更加有效，避免了由于特征维度过高导致的过拟合现象。