研究显示特征缩放对低资源呼吸音分类影响优于架构选择

2026年10月27日，一项针对低资源诊所离线呼吸音分类的研究在arXiv发布。研究结果表明，特征缩放对分类性能的提升效果明显超过了模型架构的选择。在具体实验中，基于30个统计特征的支持向量机（SVM）在进行特征标准化处理后，宏召回率从0.51大幅提升至0.78，其表现媲美拥有1.13M参数的卷积循环网络（宏召回率为0.75至0.77）。此外，传统模型展现出显著的轻量化优势，在纯CPU笔记本上的单音频处理延迟仅为51至74毫秒，同时避免了深度学习框架带来的449 MB PyTorch运行时开销，更利于资源受限环境下的离线筛查部署。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。