基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的乐器识别方法采用的是树型分类方法,这种方法分类过程比较繁琐,而且精度不高.该文把话者识别的方法应用到乐器识别之中,采用模式识别的方法实现对乐器的识别.采用MFCC系数和它的一阶导数作为音品的声学特征,分别对6种管弦乐器建立高斯混合模型.在识别过程中,首先假设各乐器的先验概率相同,根据高斯混合模型得出的后验概率确定待识别乐器所属的种类.实验表明这种识别方法十分有效,取得了较高的识别精度.
推荐文章
基于多元混合高斯分布的多分类人脸识别方法
重尾噪声
多元混合高斯分布
参数估计
核函数
贝叶斯理论
基于支持向量机的乐器识别方法
支持向量机
乐器识别
高斯混合模型
基于HMM和LVQ网络混合模型的语音识别方法
语音识别
隐马尔可夫模型
学习向量量化
混合模型
特征降维和高斯混合模型的体育运动动作识别
体育运动动作识别
随机投影
高斯混合模型
特征向量降维
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于高斯混合模型的乐器识别方法
来源期刊 计算机工程 学科 工学
关键词 高斯混合模型 乐器识别 话者识别
年,卷(期) 2004,(18) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 133-134,173
页数 3页 分类号 TP391.4
字数 2768字 语种 中文
DOI 10.3969/j.issn.1000-3428.2004.18.051
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 苏鸿根 41 1002 12.0 31.0
2 张奇 92 1458 22.0 34.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (8)
同被引文献  (2)
二级引证文献  (6)
2004(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(6)
  • 引证文献(2)
  • 二级引证文献(4)
研究主题发展历程
节点文献
高斯混合模型
乐器识别
话者识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导