婴儿哭声模式分析数据集：包含11种不同原因的婴幼儿哭泣声音样本

摘要婴儿哭声模式数据集Baby Cry Pattern Archive是一个专为婴儿声音行为研究而设计的综合性音频数据集。数据集简介数据集概述婴儿哭声模式数据集Baby Cry Pattern Archive是一个专为婴儿声音行为研究而设计的综合性音频数据集包含超过 1,400 个婴儿音频录音。数据集精心分类为 11 个子类别涵盖婴儿的各种情绪状态、生理需求和声音表现包括 8 种主要哭声类型饥饿、腹痛、不适、疲倦、冷热、打嗝、害怕、孤独以及 3 种对比状态笑声、噪音、沉默。该数据集旨在支持婴儿哭声模式分析、情绪识别和智能育儿系统的研究与开发为机器学习和深度学习在婴幼儿护理领域的应用提供高质量训练数据。所有录音均经过仔细标注和分类适合监督学习任务能够帮助父母、护理人员和医疗保健提供者更好地理解和响应婴儿需求。数据结构与关键特征数据集包含 1,450 个婴儿音频录音.wav 格式大多数少于 10 秒细分为 11 个子类别采用每类一个文件夹的结构组织所有文件均已预标记并可直接用于监督学习。数据集涵盖 8 种核心哭声类别饥饿397 个27.4%最大类别、疲倦142 个、不适142 个、腹痛133 个、冷热130 个、打嗝124 个、害怕33 个和孤独25 个最小类别以及 3 种对比/背景类别笑声108 个积极情绪、噪音108 个背景声音和沉默108 个安静时刻。数据集呈现明显的类别不平衡特征饥饿类别是孤独类别的近 16 倍采用高质量音频格式文件命名规范可追溯所有录音均匿名化并符合伦理规范特别适合用于 CNN、LSTM 和混合模型等深度学习架构的哭声分类、情绪识别和智能育儿系统研究。应用价值与研究方向该数据集支持婴儿声音行为与生理/情绪需求关联研究、早期异常哭声模式检测、儿科诊断辅助和生物声学特征分析等科研工作专为训练哭声分类和情绪识别的深度学习模型CNN、LSTM、Transformer、混合架构而设计可用于开发智能婴儿监视器、实时哭声解释应用、家长辅助系统和物联网育儿产品等商业应用。数据集特别适合音频信号处理、特征提取MFCC、梅尔频谱图、迁移学习实验和模型基准测试包含笑声、噪音、沉默等对比类别增强了模型的鲁棒性和区分能力但需要注意类别不平衡问题建议使用加权损失、过采样等技术重点关注少数类别孤独、害怕的识别准确率。该数据集为婴幼儿护理、智能育儿、儿科医学、健康信息学和情感计算等领域提供重要研究资源有助于提升婴儿护理质量、减轻育儿焦虑、支持远程医疗咨询和推动智能育儿技术普及最终促进婴儿健康成长和家庭幸福。数据集来源所有录音均已预标记、匿名化并符合伦理规范采用每类一个文件夹结构组织专为婴儿哭声分析、情绪识别、智能育儿系统和深度学习模型训练而设计。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-173文件大小210M原创声明本数据集为整理作品