阿斯玛·拉巴乌;哈切姆·卡德里;齐德·拉奇里;努雷迪内·埃卢泽 一类SVM在音频检测和分类应用中面临的挑战。 (英语) 兹比尔1184.68424 EURASIP J.高级信号处理。 2008年,文章ID 834973,14 p.(2008). 摘要:支持向量机(SVM)在语音(事件)识别领域得到了广泛而成功的应用。然而,SVM在实际信号处理应用中的扩展仍然是一个正在进行的研究课题。我们的工作包括说明SVM在识别属于复杂现实世界数据集的脉冲音频信号方面的潜力。我们建议应用优化的单类支持向量机(1-SVM)来处理声音识别过程中的声音检测和分类任务。首先,我们提出了一种有效且准确的方法来检测连续音频流中的事件。提出的无监督声音检测方法基于指数族模型和1-SVM来近似广义似然比,不需要任何预处理模型。然后,为了解决有监督的声音分类任务,我们使用了基于1-SVM的新的区分算法和新的相似度度量。我们将新的声音检测和分类方法与其他流行的方法进行了比较。实验中取得的显著声音识别结果说明了这些方法的潜力,并表明1-SVM非常适合于事件再认知任务。 引用于1文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 68吨10 模式识别、语音识别 PDF格式BibTeX公司 XML格式引用 \textit{A.Rabaoui}等人,EURASIP J.高级信号处理。2008年,文章ID 834973,14 p.(2008年;Zbl 1184.68424) 全文: 内政部 参考文献: [3] doi:10.1023/A:1012491419635·Zbl 0998.68112号 ·doi:10.1023/A:1012491419635 [6] doi:10.1162/1532443027600687·Zbl 1013.68176号 ·doi:10.1162/1532443027600687 [8] doi:10.1016/j.sigpro.2005.09.027·Zbl 1172.94394号 ·doi:10.1016/j.sigpro.2005.09.027 [9] doi:10.1109/TSP.2005.851098·Zbl 1370.94317号 ·doi:10.1109/TSP.2005.851098 [10] 数字对象标识代码:10.1109/5.18626·数字对象标识代码:10.1109/5.18626 [13] doi:10.1016/S0167-8655(97)00049-4·Zbl 05471645号 ·doi:10.1016/S0167-8655(97)00049-4 [14] doi:10.1023/B:MACH.0000008084.60811.49·Zbl 1078.68728号 ·doi:10.1023/B:MACH.0000008084.60811.49 [17] doi:10.1016/S0167-6393(00)00027-3·doi:10.1016/S0167-6393(00)00027-3 [18] doi:10.1109/TASSP.1976.1162846·doi:10.10109/TASPS.1976.1162846 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。