{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,7,26]]，“日期-时间”：“2024-07-26T06:39:04Z”，“时间戳”：1721975944991}，“引用-计数”：23，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{'日期-部件“：[[2020,5,1]]，”日期-时间“：”2020-05-01T00:00:00 0:00Z“，”时间戳“：1588291200000}，”内容-版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“国家自然科学基金”，“DOI-asserted-by”：“publisher”，“奖项”：[“61401259”，”61861033“，”61971271“]}，{“姓名”：“山东省中青年科学家研究基金”，“奖项”：[“ZR2016FB25）”]}，{“DOI”：“10.13039\/501100004479”，“name”：“中国\u2019s江西省自然科学基金会”，“DOI-asserted-by”：“publisher”，“adward”：[“20181BAB202022）”]{，“name（名称）”：“山东省泰山学者项目”，“award（奖项）：[“Tsqn20161023）”]neneneep，{用法：[“2018GGX101018）”]}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[”基于知识的系统“]，”published-print“：{”date-parts“：[[2020,5]]}，”DOI“：”10.1016\/j.knosys.2020.105600“，”type“：”journal-article“，”created“：”{“date-part”：[[2020,2,3]]，“日期时间”：“2020-02-03T16:45:43Z”，“时间戳”：1580748343000}，“页面”：“105600”，“更新策略”：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy”，“源”：“Crossref”，”is-referenced-by-count“：11，“special_numbering”：“C”，“title”：[“基于LDA-based data enhancement algorithm for acoustic scene classification”]，“前缀”：“10.1016”，“卷”：“195”，《作者》：[{“给定”：“Yan”，“家族”：“Len”g“，“sequence”：“first”，“affiliation”：[]}，{“given”：“Weiwei”，“family”：“Zhao”，“segment”：“additional”，“filiance”：[]}附加“，”从属“：[]}，{”给定“：“Qi”，“family”：“Yuan”，“sequence”：“additional”，“affiliation”：[]｝，｛“given”：“Dengwang”，“family”：“Li”，“sequence”：“additional”，“affiliation”：[]｝]，“member”：“78”，“reference”：[｛“key”：“10.1016\/j.knosys.20210.105600_b1”，“doi asserted by”：“crossref”，“首页”：“1”，“doi”：“10.1016\/j.knosys.2017.04.001”，“文章标题”：“基于音频事件和主题模型的音频场景识别”，“volume”：“125”，“author”：“Leng”，“year”：“2017”，“journal-title”：“Knowl.-based Syst.”}，{“key”：”10.1016\/j.knosys.2020.105600_b2“，”doi-asserted-by“：”crossref“，“first-page”：“117”，“doi”：“10.1016\\j.knosys.2016.01.029”，“article-title“：“利用未标记数据提高SVM的分类性能，及其在音频事件分类中的应用”，“volume”：“98”，“author”：“Leng”，“year”：“2016”，“journal-title”：“Knowl.-Based Syst.”}，{“issue”：“2”，“key”：”10.1016\/j.knosys.2020.105600_b3“，”doi-asserted-by“：”crossref“，”first page“593”，“doi”：“10.13164\/re.2015.0593”，“article-title”：“基于AT、PLSA的重叠音频事件分类及其组合”，“volume”：“24”，“author”：“Leng”，“year”：“2015”，“journal-title“：”Radioengineering“}，{“key”：”10.1016\/j.knosys.2020.105600_b4：“10.1016\/j.knossy.2020.105600_b5”，“系列标题”：“2018 IEEE声学、语音和信号处理国际会议（ICASSP）”，“首页”：“6568”，“文章标题”：“2013儿童和成人多方人机交互的远场视听场景感知”，“作者”：“Tsiami”，“年份”：“2018”}，{“key”：“10.1016\/j.knosys.2020.105600_b6”，“doi-asserted-by”：“crossref”，“unstructured”：“F.Eyben，F.Weninger，F.Gross，B.Schuller，慕尼黑开源多媒体特征提取器openSMILE的最新发展，摘自：《第21届ACM国际多媒体会议论文集》（MM\u201913），2013年，第835\u2013838页。”，“doi”：“10.1145\/2502081.2502224”}，{“issue”：“1”，“key”：“10.1016\/j.knosys.2020.105600_b7”，“doi-asserted-by”：“crossref”，“first-page”：“414”，“doi”：“101109\/SURV.2013.042313.00197”，“article-title”：“物联网的上下文感知计算：一项调查”，“volume”：un.SURV.Tutor.“}，{”问题“：“1”，“key”：“10.1016\/j.knosys.2020.105600_b8”，“首页”：“1929”，“article-title”：“辍学：防止神经网络过拟合的简单方法”，“volume”：”15“，“author”：“Srivastava”，“year”：“2014”，“journal-title“：”j.Mach.Learn.Res：“批量规范化：通过减少内部协变量偏移加快深度网络训练”，“作者”：“Ioffe”，“年份”：“2015”}，{“问题”：“3”，“关键”：“10.1016\/j.knosys.2020.105600_b10”，“doi-asserted-by”：“crossref”，“首页”：“279”，“doi”：“101109\/LSP.2017.2657381”，“文章标题”：“用于环境声音分类的深度卷积神经网络和数据增强”，“卷”：“24”，“作者”：“Salamon”，“年份”：“2017年”，“期刊标题”：“IEEE Signal Process.Lett.”}，{“key”：“10.1016\/j.knosys.2020.105600_b11”，“非结构化”：“j.Abe\u00dfer，S.I.Mimilakis，R.Grafe，H。Lukashevich，通过结合基于自编码器的降维和卷积神经网络进行声场景分类，载于：第二届DCASE声场景和事件检测和分类研讨会论文集，2017年，第7\u201311页。“}，{“关键”：“10.1016\/j.knosys.2020.105600_b12”，“series-title”：“IEEE声学场景和事件检测与分类研讨会论文集（DCASE2017）”，“首页”：“103”，“文章标题”：“重要的细节：声学场景分类中频谱图的频率分辨率”，“作者”：“Pickak”，“年份”：“2017”}，{“key”：“10.1016\/j.knosys.2020.105600_b13”，“series-title”：“IEEE声学场景和事件检测与分类研讨会论文集（DCASE2017）”，“首页”：“123”，“文章标题”：“声学场景分类：从混合分类器到深度学习”，“作者”：“Vafeiadis”，“年份”：“2017”}，{“key”：“10.1016\/j.knosys.2020.105600_b14”，“series-title”：“IEEE声学场景和事件检测与分类研讨会论文集（DCASE2016）”，“首页”：“70”，“文章标题”：“使用时延神经网络和调幅滤波器组功能的声学场景分类”，“作者”：“Moritz”，“年份”：“2016”}，｛“密钥”：“10.1016\/j.knosys.202105600_b15”，“系列标题”：“计算语言学协会第四十九届年会论文集：“，”首页“：”642“，”文章标题“：”主题建模和吉布斯抽样的理论和实践实施教程“，”作者“：”达林“，”年份“：”2011“}，{“key”：“10.1016\/j.knosys.2020.105600_b16”，“首页”：“993”，“文章标题”：“潜在的dirichlet分配”，“卷”：“3”，“作者”：“Blei”，“年份”：“2003年”，“新闻标题”：“J.Mach。学习。研究“}，{“key”：“10.1016\/j.knosys.2020.105600_b17”，“doi-asserted-by”：“crossref”，“unstructured”：“B.McFee，C.Raffel，D.Liang，D.P.W.Ellis，M.McVicar，E.Battenberg，O.Nieto，Librosa：python中的音频和音乐信号分析，摘自：第14届python科学会议论文集（SciPy 2015），2015年。”，“doi”：“10.25080\/Majora-7b98e3ed-003”}issue“：”7“，”key“：”10.1016\/j.knosys.2020.105600_b18“，”doi-asserted-by“：”crossref“，”first page“：“881”，“doi”：“10.1109\/TPAMI.2002.1017616”，“article-title”：“高效k-means聚类算法：分析与实现”，“volume”：“24”，“author”：“Kanungo”，“year”：“2002”，“journal-title“：”IEEE Trans。模式分析。机器。智力。“}，{”key“：”10.1016\/j.knosys.2020.105600_b19“，”series-title“：”第24届欧洲信号处理会议（EUSIPCO）“，”首页“：”1128“，”article-title“：“声学场景分类和声音事件检测的图库”，”author“：”Mesaros“，”year“：”2016“}”，{IEEE声学场景和事件检测与分类研讨会论文集（DCASE2017）”，“首页”：“17”，“文章标题”：“用于从音频中进行无监督表征学习的序列到序列自动编码器”，“作者”：“Amiriparian”，“年份”：“2017”}，{“key”：“10.1016\/j.knosys.2020.105600_b21”，“series-title”：“IEEE声学场景和事件检测与分类研讨会论文集（DCASE2016）”，“首页”：“11”，“文章标题”：“使用LSTM和CNN并行组合进行声学场景分类”，“作者”：“Bae”，“年份”：“2016”}，{“键”：“10.1016\/j.knosys.2020.105600_b22”，“doi-asserted-by”：“crossref”，“第一页”：”137“doi”：“10.1016\/j.knosys.2019.03.001“，“article-title”：“Multi-imbalance:一个用于多类不平衡学习的开源软件”，“volume”：“174”，“author”：“Zhang”，“year”：“2019”，“journal-title“：“Knowl”-基于系统。“}，{”key“：”10.1016\/j.knosys.2020.105600_b23“，”doi-asserted-by“：”crossref“，”doi“：”101016\/j.knowsys.2019.07.008“，”article-title“：”基于全局优化GAN的非平衡数据深度学习故障诊断方法“，”volume“：]，“original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0950705120300733？httpAccept=text\/xml”，“content-type”：“text\/xml”，“content-version”：“vor”，“intended-application”：“text-mining”}3？httpAccept=text\/plain“，”内容类型“：“text\/plain”，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2020,4,4]]，“date-time”：“2020-04-04T06:58:48Z”，“timestamp”：1585983528000}，“score”：1，“resource”：{“primary”：{URL：“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S0950705120300733”}，副标题“：[]，”短标题“：[[]，”已发布“：{”日期部分“用法：[[2020,5]]}，“references-count”：23，“alternative-id”：[“S0950705120300733”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.knosys.2020.105600”，“relation”：{}，”ISSN“：[“0950-7051”]，”ISSN-type“：[{”value“：”0950-7041“，”type“:”print“}]，“subject”：[]，“published”：{“date-parts”：[[20202 0,5]]}，“断言”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“本文由”}，{“value”：“基于LDA的声学场景分类数据增强算法”，“name”：“articletitle”，“label”：“article Title”}、{“value”：“Knowledge-based Systems”，“name”：“journaltitle”、“label“：”Journal Title“}，”{“value”：”https:\/\/doi.org\/10.1016\/j.knosys.2020.105600“，”name“：”articlelink“，”label“维护：“CrossRef DOI link to publisher maintained version”}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}