×

一类支持向量机在音频检测和分类应用中的挑战。 (英语) Zbl 1184.68424

支持向量机(SVM)在声音(事件)识别领域得到了广泛而成功的应用。然而,将支持向量机扩展到实际的信号处理应用仍然是一个正在进行的研究课题。我们的工作包括说明支持向量机在识别属于复杂真实世界数据集的脉冲音频信号方面的潜力。我们提出应用优化的单类支持向量机(1-SVMs)来处理声音识别过程中的声音检测和分类任务。首先,我们提出一种有效且准确的方法来侦测连续音频流中的事件。该方法基于指数族模型和1-SVMs近似广义似然比,不需要任何预训练模型。然后,我们应用新的基于1-SVMs的识别算法来解决一个有监督的声音分类问题。我们将这些新的声音检测和分类方法与其他流行的方法进行了比较。实验中取得的显著的声音识别结果说明了这些方法的潜力,并表明1-SVMs非常适合于事件识别任务。

理学硕士:

68T05型 人工智能中的学习与自适应系统
68吨10 模式识别,语音识别
PDF格式 BibTeX公司 XML 引用
全文: 内政部

参考文献:

[3] doi:10.1023/账号:1012491419635·Zbl 0998.68112
[6] 内政部:10.1162/153244302760200687·Zbl 1013.68176
[8] doi:10.1016/j.sigpro.2005.09.027·Zbl 1172.94394
[9] doi:10.1109/TSP.2005.851098·Zbl 1370.94317号
[10] 数字标识:10.1109/5.18626
[13] doi:10.1016/S0167-8655(97)00049-4·中银05471645
[14] doi:10.1023/B:MACH.0000008084.60811.49·Zbl 1078.68728
[17] doi:10.1016/S0167-6393(00)00027-3
[18] doi:10.1109/TASSP.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。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。