基于CNN的普米語孤立詞語譜圖分類

董 華 珍

黔西南州廣播電視大學(xué) 人事科，貴州 興義 562400

近年來國內(nèi)語音識別技術(shù)快速發(fā)展，并取得顯著成效．國內(nèi)語音識別領(lǐng)域處于領(lǐng)先地位的科大訊飛、百度語音實(shí)驗(yàn)室等對漢語語音識別率可以達(dá)到95%以上，但對瀕危少數(shù)民族語言，如普米語、佤語等語言的語音識別技術(shù)研究仍處于空白狀態(tài)．普米族主要居住于云南省和四川省，普米語為其民族語言，由于沒有文字，語言和文化僅限于口口相傳[1]．隨著年長的人相繼離世，普米族的語言和文化正逐漸消亡．為了促進(jìn)普米族語言和文化的傳承和發(fā)展，語音識別技術(shù)介入迫在眉睫．

盡管目前語音識別的方法很多，但總的來說可以歸結(jié)為基于語音信號和基于語譜圖的2種語音識別方法．語音識別中，同一個詞不同說話者的語速不同，同一個人發(fā)同一個音，在不同時刻，所用的時間也不相同[2-3]．因此，通過語音信號來統(tǒng)計人類語音的發(fā)音特征非常困難．基于語音信號的語音識別中提取的特征參數(shù)主要有梅爾頻率倒譜系數(shù)(Mel-Frequency Cepstral Coefficient，MFCC)、線性預(yù)測倒譜系數(shù)(Linear Prediction Cepstrum Coefficient，LPCC)等，其中MFCC、LPCC是最有效的[4]，但這2個特征參數(shù)的提取是比較困難的．而基于語譜圖的方法能夠包含發(fā)音特點(diǎn)，并將語音信號的所有特征以圖像的形式顯示出來．通過傅里葉變換將語音信號轉(zhuǎn)換為語譜圖，借助圖像處理的方法提取語譜圖特征，最后利用分類器，可以實(shí)現(xiàn)基于語譜圖的語音識別，從而大大減小了語音識別的難度．近年來國內(nèi)對基于語譜圖的語音識別展開了研究．如： 宋洋[5]提取語譜圖的邊界特征和二值特征作為語譜特征，通過構(gòu)造BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)維吾爾語音素分類．唐閨臣等[6]通過提取語譜圖中的Hu不變矩特征、紋理特征和部分語譜特征，基于SVM實(shí)現(xiàn)了對語音情感的分類．梁士利等[7]將語譜圖的頻域圖矩陣進(jìn)行投影后的值作為特征值，并利用SVM實(shí)現(xiàn)二字漢語詞匯語音識別．

基于語譜圖的語音識別，其本質(zhì)是實(shí)現(xiàn)語譜圖的分類．普米語孤立詞語譜圖分類屬于模式識別的范疇[8]，模式識別算法的選擇是普米語孤立詞語譜圖分類的難點(diǎn)也是核心問題．目前常用的模式識別算法有神經(jīng)網(wǎng)絡(luò)算法(Neural Network Algorithm，NNA)、K-近鄰分類器(K-Nearest Neighbor Classifier，KNNC)[9]、支持向量機(jī)(Support Vector Machine，SVM)、卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)等．神經(jīng)網(wǎng)絡(luò)算法、K-近鄰分類器進(jìn)行模型訓(xùn)練時需要大量訓(xùn)練樣本．此外，神經(jīng)網(wǎng)絡(luò)算法[10]基于經(jīng)驗(yàn)風(fēng)險最小化原則，面臨“過學(xué)習(xí)的風(fēng)險”的問題．SVM針對多分類和大樣本數(shù)據(jù)時，單一核在學(xué)習(xí)過程中存在學(xué)習(xí)能力強(qiáng)泛化能力弱或泛化能力強(qiáng)學(xué)習(xí)能力弱等局限性，需要引入多核支持向量機(jī)[11]．卷積神經(jīng)網(wǎng)絡(luò)[12-14]是深度學(xué)習(xí)的一個重要算法，其提供了一種端到端的學(xué)習(xí)模型，通過梯度下降算法可對模型的參數(shù)進(jìn)行訓(xùn)練，并自動地學(xué)習(xí)圖像的特征完成圖像的分類．

1 基于CNN的語譜圖分類模型

基于Google公司開源的一個機(jī)器學(xué)習(xí)框架系統(tǒng)Tensorflow，本文搭建了一個卷積神經(jīng)網(wǎng)絡(luò)模型，在此基礎(chǔ)上利用語譜圖樣本集對模型進(jìn)行訓(xùn)練．模型訓(xùn)練的步驟為： ① 初始化普米語語譜圖數(shù)據(jù)集； ② 訓(xùn)練模型的參數(shù)； ③ 模型的測試．由此得到語譜圖分類的卷積神經(jīng)網(wǎng)絡(luò)模型．

1.1 CNN模型的構(gòu)造

CNN模型由7個卷積層和2個全連接層組成．將彩色語譜圖直接輸入到卷積神經(jīng)網(wǎng)絡(luò)模型中，由于圖像是彩色的，故模型通道數(shù)為3．對輸入的圖片進(jìn)行卷積操作后，采用ReLU激活函數(shù)，對卷積核的輸出值進(jìn)行非線性變換，接著采用maxpoolig完成最大池化操作．全連接層采用的激活函數(shù)是ReLU函數(shù)，為了防止模型訓(xùn)練過擬合，在全連接層后都添加Dropout層，設(shè)置dropout_ratio參數(shù)值為0.5，即在模型訓(xùn)練過程中隨機(jī)讓網(wǎng)絡(luò)中50%的節(jié)點(diǎn)不工作(輸出置0)，表1列出了CNN網(wǎng)絡(luò)結(jié)構(gòu)的詳細(xì)參數(shù)表．

表1 CNN網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)表

1.2 CNN模型的訓(xùn)練過程

1.2.1 數(shù)據(jù)的初始化

1) 在Tensorflow根目錄下的子目錄Spectrogram-Final文件夾中創(chuàng)建一個名為“tp-jpg”的文件夾，該文件夾用于存放語譜圖樣本集．部分訓(xùn)練樣本如圖1所示．

2) 在Spectrogram-Final文件夾中有一個名為“bmp2jpg”的運(yùn)行腳本，可將bmp格式的圖片轉(zhuǎn)換為jpg格式，并利用resize函數(shù)對圖像進(jìn)行縮放．

3) 通過執(zhí)行Spectrogram-Final文件夾中的data-util.py代碼，能將樣本集嚴(yán)格地分為訓(xùn)練集和測試集，并且得到圖名稱與標(biāo)簽．

圖1 部分訓(xùn)練樣本圖

1.2.2 構(gòu)造CNN模型

Spectrogram-Final文件夾中的cnn-model.py為設(shè)計好的卷積神經(jīng)網(wǎng)絡(luò)模型腳本，里面有卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)造的詳細(xì)內(nèi)容，包括每一個卷積層、池化層的參數(shù)設(shè)計．設(shè)計好的卷積神經(jīng)網(wǎng)絡(luò)模型，執(zhí)行cnn-model.py的代碼，通過Tensorboard可以查看網(wǎng)絡(luò)模型的示意圖．

1.2.3 訓(xùn)練CNN模型

卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方式分為逐個樣例訓(xùn)練方式、批量樣例訓(xùn)練方式和隨機(jī)批量樣本訓(xùn)練3種方式．本文設(shè)計的模型采用的是批量樣例訓(xùn)練，每個批次訓(xùn)練150個樣本，迭代260次，在迭代過程中，利用梯度下降算法和反向傳播算法對模型的參數(shù)權(quán)值和偏置值進(jìn)行修改．

1) Spectrogram-Final文件夾中的train.py文件為卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練代碼．將data-util.py所生成的訓(xùn)練樣本和測試樣本輸入到上述已經(jīng)設(shè)計好的模型中，其中每批次訓(xùn)練的數(shù)量為150個樣本，迭代260個周期，每迭代一次就測試一次數(shù)據(jù)．網(wǎng)絡(luò)的基礎(chǔ)學(xué)習(xí)率為0.0005，隨著網(wǎng)絡(luò)的訓(xùn)練，學(xué)習(xí)率將慢慢減小，從而使結(jié)果收斂．執(zhí)行該程序，即可訓(xùn)練上述定義的卷積神經(jīng)網(wǎng)絡(luò)模型．

2) 通過Spectrogram-Final文件夾中的nohup.out GPU文件，可以查看模型訓(xùn)練過程中準(zhǔn)確率的變化情況，如圖2所示，IFNO代表分類準(zhǔn)確率的變化情況．此外，也可以通過Tensorboard-logdir train.log/命令啟動train.log模型訓(xùn)練日志查看Accuracy和cross entropy的變化曲線，從曲線中能夠清楚地看到Accuracy和cross entropy的變化情況．

3) Spectrogram-Final文件夾中的checkpoint文件夾，用于存放訓(xùn)練好的模型，可以自行查看訓(xùn)練后保存的模型、驗(yàn)證模型．checkpoint文件夾中包含checkpoint、model_260.ckpt.data-00000-of-00001、model_260.ckpt.index、model_260.ckpt.meta 4個文件．checkpoint是一個文本文件，記錄了訓(xùn)練過程中所有中間節(jié)點(diǎn)上保存的模型的名稱，圖3為checkpoint文件中間節(jié)點(diǎn)上保存的模型名稱示意圖．model_260.ckpt.meta文件是以“protocol buffer”的格式存儲模型的結(jié)構(gòu)圖、定義的操作等信息．model_260.ckpt.data-00000-of-00001文件保存網(wǎng)絡(luò)結(jié)構(gòu)的變量值，而model_260.ckpt.index文件則保存model_260.ckpt.data-00000-of-00001中數(shù)據(jù)和model_260.ckpt.meta文件之間的對應(yīng)關(guān)系．

圖2 CNN模型訓(xùn)練過程中準(zhǔn)確率的變化情況示例圖

圖3 中間節(jié)點(diǎn)上保存的模型名稱示意圖

2 基于CNN的普米語孤立詞語譜圖分類實(shí)驗(yàn)

針對已訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型，通過實(shí)驗(yàn)檢驗(yàn)各項(xiàng)因素對語譜圖分類準(zhǔn)確率的影響，從而得到卷積神經(jīng)網(wǎng)絡(luò)模型適當(dāng)?shù)膮?shù)．在參數(shù)確定后，將卷積神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)(SVM)、BP神經(jīng)網(wǎng)絡(luò)做了對比實(shí)驗(yàn)，以驗(yàn)證算法的可行性和有效性，并對CNN優(yōu)于SVM、BP神經(jīng)網(wǎng)絡(luò)的原因進(jìn)行分析．

2.1 數(shù)據(jù)集

實(shí)驗(yàn)室研究團(tuán)隊在云南省蘭坪白族普米族自治縣河西鄉(xiāng)箐花村和錄音棚中共采集了1 650個普米語孤立詞語音語料，發(fā)音人為2男2女，每個詞8遍，總計得到52 800條普米語孤立詞語音．通過傅里葉變換可將這52 800條語音轉(zhuǎn)換為語譜圖，形成本文使用的樣本集．

2.2 實(shí)驗(yàn)的評價標(biāo)準(zhǔn)

在測試實(shí)驗(yàn)中，當(dāng)輸入的一張語譜圖經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)后，輸出的類別與其對應(yīng)的標(biāo)簽相符，則表明該語譜圖的分類正確．反之，則網(wǎng)絡(luò)對該語譜圖的分類錯誤．將測試集輸入至卷積神經(jīng)網(wǎng)絡(luò)中，最終的準(zhǔn)確率作為該網(wǎng)絡(luò)的評價指標(biāo)，也作為普米語孤立詞語譜圖分類的最終準(zhǔn)確率．準(zhǔn)確率的高低作為卷積神經(jīng)網(wǎng)絡(luò)性能的評價指標(biāo)．而且通過卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)分類器進(jìn)行分類效果的比較，可以判斷卷積神經(jīng)網(wǎng)絡(luò)性能的優(yōu)劣．實(shí)驗(yàn)的分類準(zhǔn)確率定義為

2.3 CNN的測試實(shí)驗(yàn)

實(shí)驗(yàn)包括彩色語譜圖測試實(shí)驗(yàn)，以及在不同學(xué)習(xí)率、不同樣本比例、不同激活函數(shù)下的對比實(shí)驗(yàn)，由此，可以得到卷積神經(jīng)網(wǎng)絡(luò)模型的適當(dāng)參數(shù)．基于已設(shè)計好的CNN模型，利用普米語孤立詞語譜圖進(jìn)行訓(xùn)練，并與傳統(tǒng)分類器進(jìn)行對比，從而可以對CNN的性能進(jìn)行判斷．

普米語孤立詞語音信號的采樣頻率為44 100 Hz，單通道，語音信號為.wav格式．傅里葉變換設(shè)置的點(diǎn)數(shù)為1 024，重疊的長度512，窗長為1 024．下述實(shí)驗(yàn)中從語料庫中選取了1 650條普米語孤立詞語音信號，生成13 200張語譜圖，其中11 550張為訓(xùn)練集，1 000張為測試集，650張為驗(yàn)證集．

2.3.1 彩色語譜圖實(shí)驗(yàn)

在Python程序中，調(diào)用已經(jīng)編寫好的Specgram程序?qū)⒄Z音信號轉(zhuǎn)換為彩色語譜圖，生成的語譜圖為200×900 px．利用resize函數(shù)可將語譜圖大小修改為200×150 px，其修改后的語譜圖直接作卷積神經(jīng)網(wǎng)絡(luò)的輸入，進(jìn)行網(wǎng)絡(luò)模型訓(xùn)練并測試性能．圖4為調(diào)用Specgram函數(shù)后，語音信號轉(zhuǎn)換為語譜圖的示例，圖5為彩色語譜圖Accuracy曲線圖，圖6則為彩色語譜圖cross-entropy曲線圖．

圖4 語音信號轉(zhuǎn)換為語譜圖的示例圖

圖5 彩色語譜圖Accuracy曲線圖

圖6 彩色語譜圖Cross-entropy曲線圖

圖4中能夠看出，語音信號轉(zhuǎn)換為語譜圖，語音特征更加直觀．圖5可觀察到在卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，彩色語譜圖的Accuracy值逐漸向0.95靠近，并趨于平緩．圖6中cross-entropy的值逐漸向0.01靠近，由此可以對網(wǎng)絡(luò)模型參數(shù)進(jìn)行調(diào)整．

班彪《北征賦》的空間維度論析 …………………………………………………………………… 邢培順（5．64）

2.3.2 學(xué)習(xí)率對比實(shí)驗(yàn)

卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率的大小影響普米語孤立詞語譜圖的分類效果．學(xué)習(xí)率過大，卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的速度會加快，造成Accuracy曲線震蕩或者發(fā)散； 而學(xué)習(xí)率過小，會造成訓(xùn)練過程算法過早收斂．因此，本次實(shí)驗(yàn)采用0.000 5、0.001、0.005、0.05、0.01、0.1這6種不同的學(xué)習(xí)率進(jìn)行對比實(shí)驗(yàn)，找出最佳學(xué)習(xí)率的值．表2為6種不同學(xué)習(xí)率下的對比實(shí)驗(yàn)結(jié)果．

表2 不同學(xué)習(xí)率對比實(shí)驗(yàn)

從表2的對比實(shí)驗(yàn)中可以看出，學(xué)習(xí)率不同，語譜圖分類準(zhǔn)確率也不同．從表中還可以看出，雖然迭代次數(shù)在增加，但卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率的值變化趨勢越來越平緩，說明模型的學(xué)習(xí)能力趨于穩(wěn)定．當(dāng)學(xué)習(xí)率為0.000 5時，分類準(zhǔn)確率最高，故本文所采用的卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率為0.000 5．

2.3.3 樣本對比實(shí)驗(yàn)

表3為4種不同樣本比例的對照表，表4則為每一類語譜圖的4種樣本比例對照表，表5和表6為不同規(guī)模樣本集下的對比實(shí)驗(yàn)．從表5中可以得出少量的樣本無法訓(xùn)練模型，對語譜圖的最終分類準(zhǔn)確率產(chǎn)生的影響較大．當(dāng)樣本比例為7∶1時，分類準(zhǔn)確率最高，達(dá)到95.31%．

在實(shí)驗(yàn)中，語譜圖共有1 650類，每一類有8張．每一類的訓(xùn)練樣本集與測試樣本集比例的不同，都會影響每一類的分類準(zhǔn)確率．由此每一類訓(xùn)練樣本集與測試樣本集比例分別為3∶5、4∶4、6∶2、7∶1，表6則為每一類不同樣本比例的對比實(shí)驗(yàn)結(jié)果．表6可以得出結(jié)論，當(dāng)每類樣本的訓(xùn)練集與測試集之間的比率為7∶1時，語譜圖的分類準(zhǔn)確率最高，約為95%．樣本比例為6∶2時，準(zhǔn)確率達(dá)到78.98%，而樣本比例分別為3∶5、4∶4時，分類準(zhǔn)確率分別為37%、44.49%．相比之下，當(dāng)比例為7∶1時，可在一定程度上提高最終的分類準(zhǔn)確率．

表3 4種樣本比例對照表

表4 每一類不同樣本比例對照表

表5 4種樣本比例的對比實(shí)驗(yàn)結(jié)果

表6 每一類不同樣本比例的對比實(shí)驗(yàn)結(jié)果

2.3.4 全連接層輸出節(jié)點(diǎn)對比實(shí)驗(yàn)

2.3.5 激活函數(shù)對比實(shí)驗(yàn)

卷積操作實(shí)際上是一種線性操作，然而許多機(jī)器學(xué)習(xí)的問題是非線性的，需要將一個特征空間的向量通過非線性變換映射到另一個空間中，才能實(shí)現(xiàn)線性可分．激活函數(shù)是非線性變換的一種手段．常用的4種激活函數(shù)特點(diǎn)不一樣，有的激活函數(shù)可能會在模型訓(xùn)練過程中出現(xiàn)“梯度消失”的問題，而有的則不會出現(xiàn)此問題．由此，需要通過實(shí)驗(yàn)找出分類效果好、收斂速度快的激活函數(shù)，實(shí)驗(yàn)結(jié)果如表8所示．

表7 全連接層不同輸出節(jié)點(diǎn)的對比實(shí)驗(yàn)

表8 4種激活函數(shù)對比實(shí)驗(yàn)

從表8中可以看出，在卷積神經(jīng)網(wǎng)絡(luò)模型中，以ReLU函數(shù)作為激活函數(shù)，模型訓(xùn)練時間最短，并且語譜圖的分類效果是最好的．故本文模型選用ReLU函數(shù)作為激活函數(shù)．

2.3.6 CNN模型參數(shù)設(shè)置

上述實(shí)驗(yàn)分別從輸入的樣本比例、學(xué)習(xí)率等方面進(jìn)行對比實(shí)驗(yàn)，由此得到CNN模型的最佳設(shè)置參數(shù)，表9為卷積神經(jīng)網(wǎng)絡(luò)模型的最終參數(shù)設(shè)置．

2.4 基于SVM、BP神經(jīng)網(wǎng)絡(luò)和CNN的語譜圖分類實(shí)驗(yàn)

為了說明該CNN模型對普米語孤立詞語譜圖分類具有可行性和有效性，在相同實(shí)驗(yàn)條件下，本文進(jìn)行基于SVM、BP神經(jīng)網(wǎng)絡(luò)和CNN的對比實(shí)驗(yàn)．從普米語孤立詞語譜圖樣本集中選擇400張進(jìn)行基于SVM、BP神經(jīng)網(wǎng)絡(luò)的分類實(shí)驗(yàn)，其中320張作為訓(xùn)練集，80張作為測試集，提取每張語譜圖的二值特征，得到16×16的特征矩陣．

1) 基于SVM的語譜圖分類實(shí)驗(yàn)中，核函數(shù)與參數(shù)的確定將直接影響分類精度和泛化性能．針對這些問題，首先進(jìn)行了線性核、多項(xiàng)式核、高斯徑向基核、多層感知器核函數(shù)的對比實(shí)驗(yàn)，由實(shí)驗(yàn)結(jié)果得出： 采用徑向基函數(shù)作為SVM的核函數(shù)，預(yù)測分類準(zhǔn)確率最高．其次，為了確定各個獨(dú)立核的懲罰參數(shù)c和核函數(shù)參數(shù)g的值，先利用網(wǎng)格法來找最優(yōu)參數(shù)．然而，該方法只能找到局部最優(yōu)參數(shù)．免疫遺傳算法將免疫算子添加到遺傳算法中，避免了傳統(tǒng)遺傳算法不成熟收斂的問題，具有隨機(jī)并行搜索的優(yōu)點(diǎn)．因此，利用它進(jìn)行SVM參數(shù)的全局優(yōu)化．結(jié)果表明，當(dāng)c=5.278，g=0.062 5時，分類準(zhǔn)確率最高，其結(jié)果如表10所示．

2) 基于BP神經(jīng)網(wǎng)絡(luò)的語譜圖分類實(shí)驗(yàn)中，本文構(gòu)建由輸入層、隱含層、輸出層組成的三層的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行語譜圖的分類實(shí)驗(yàn)，模型的結(jié)構(gòu)為256-28-80，即輸入層有256個節(jié)點(diǎn)，隱含層有28個節(jié)點(diǎn)，輸出層為80個節(jié)點(diǎn)，其模型的基本參數(shù)學(xué)習(xí)率、期望精度、迭代次數(shù)分別為0.000 5、10-5、60次．

3) 在上述的對比實(shí)驗(yàn)中，得到卷積神經(jīng)網(wǎng)絡(luò)模型適當(dāng)?shù)膮?shù)，并利用調(diào)整參數(shù)之后的模型進(jìn)行普米語孤立詞語譜圖的分類實(shí)驗(yàn)．3種方法的分類準(zhǔn)確率如表10所示．

表9 CNN模型最終參數(shù)設(shè)置

表10 SVM、BP神經(jīng)網(wǎng)絡(luò)和CNN的性能比較

在上述SVM、BP神經(jīng)網(wǎng)絡(luò)和CNN的對比實(shí)驗(yàn)中，基于SVM的語譜圖分類準(zhǔn)確率為63%，而BP神經(jīng)網(wǎng)絡(luò)的分類準(zhǔn)確率為58%，基于CNN的語譜圖分類準(zhǔn)確率最高，達(dá)到91%．因此，可以得出CNN與傳統(tǒng)分類器SVM和BP神經(jīng)網(wǎng)絡(luò)相比，語譜圖分類準(zhǔn)確率最高，性能最好．

BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中容易出現(xiàn)過擬合的問題，影響分類準(zhǔn)確率．SVM針對小樣本，雖然有很強(qiáng)的學(xué)習(xí)能力和泛化能力，可得到現(xiàn)有信息下的最優(yōu)分類模式，但對多分類和大樣本數(shù)據(jù)，需要引入多核支持向量機(jī)，核函數(shù)的組合以及參數(shù)尋優(yōu)十分困難．而卷積神經(jīng)網(wǎng)絡(luò)采用ReLU激活函數(shù)，避免了過擬合的問題，大樣本數(shù)據(jù)則有利于模型參數(shù)的調(diào)整，此外，CNN能從圖像中自動提取復(fù)雜的特征．因此，分類效果最好．

3 結(jié) 論

本文在機(jī)器學(xué)習(xí)框架系統(tǒng)Tensorflow上搭建了一個包含7個卷積層和2個全連接層的卷積神經(jīng)網(wǎng)絡(luò)模型，并完成了普米語孤立詞語譜圖的分類實(shí)驗(yàn)．通過不同樣本比例、不同學(xué)習(xí)率、不同激活函數(shù)、不同輸出節(jié)點(diǎn)數(shù)等的對比實(shí)驗(yàn)，分析各項(xiàng)因素對分類準(zhǔn)確率的影響，得到模型適當(dāng)?shù)膮?shù)．在此基礎(chǔ)上，分別對卷積神經(jīng)網(wǎng)絡(luò)、SVM和BP神經(jīng)網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果進(jìn)行比較，判斷卷積神經(jīng)網(wǎng)絡(luò)模型的性能．

實(shí)驗(yàn)表明，在基于卷積神經(jīng)網(wǎng)絡(luò)的普米語語譜圖分類實(shí)驗(yàn)中，分類準(zhǔn)確率受學(xué)習(xí)率、激活函數(shù)、同一類訓(xùn)練樣本與測試樣本比例等因素的影響，但通過模型的訓(xùn)練，可找到適當(dāng)?shù)膮?shù)，對模型參數(shù)進(jìn)行調(diào)整．相比于SVM和BP神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)的性能較好，對普米語孤立詞語譜圖的分類是有效的．通過實(shí)驗(yàn)分析各項(xiàng)因素對分類準(zhǔn)確率的影響，從而得到了適當(dāng)?shù)膮?shù)并在訓(xùn)練好的模型上進(jìn)行普米語孤立詞語譜圖的分類實(shí)驗(yàn)．