华科大杨雨鑫：基于高斯NB的语音性别识别实验报告

本篇报告由华中科技大学计算机科学与技术学院的CS1806班级学生杨雨鑫撰写，于2020年6月30日完成，指导教师为邹复好。主题是“基于贝叶斯分类器的语音性别识别”，旨在利用朴素贝叶斯方法进行一项实际应用，即区分男性和女性的声音。 2.3 任务描述部分详述了研究过程。通过朴素贝叶斯方法，学生首先要对数据集中的21个特征值，包括语音长度、基频、标准差、频带中值点、百分位频率等进行统计分析。由于这些特征值是连续型的，因此采用的是高斯朴素贝叶斯模型，该模型假设特征之间相互独立，且每个特征服从高斯分布。通过计算各个特征的均值和方差等参数，为后续的预测建模做好准备。 2.4 评测标准明确要求达到2*2预测情况，这意味着需要构建一个分类模型，能够准确地预测样本是男性还是女性，评估结果通常会以混淆矩阵的形式呈现，即真阳性(TP)、真阴性(TN)、假阳性和假阴性四个指标，以衡量模型在不同类别上的预测性能。 整个项目不仅涉及了数据预处理、特征工程，还包含了概率模型的选择和应用，以及性能评估的关键环节。学生需要利用实际数据集进行训练和测试，验证高斯朴素贝叶斯模型在语音性别识别任务中的有效性。通过这样的实践，学生不仅能掌握贝叶斯分类的基本原理，还能提升对数据驱动决策的理解，以及在实际问题中应用机器学习算法的能力。