基于支持向量机的乐器识别方法

• 作者: 张奇 苏鸿根
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 乐器识别 高斯混合模型
• 年，卷（期）: 2004,（18）
• 所属期刊栏目: 学术探讨
• 页码范围: 99-101
• 页数: 3页
• 分类号: TP39
• 字数: 2802字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2004.18.033

摘要

文章提出了一种基于支持向量机的乐器识别方法.与其它的模式识别方法不同,支持向量机是专门针对有限样本情况下的一种分类方法,在小样本的情况下,它的准确率一般优于传统的模式识别方法.它是建立在统计学习理论的VC维理论和结构风险最小原理基础上的,根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折衷,以期获得最好的推广能力.实验以乐器的MFCC系数和它的一阶导数为声学特征,建立一个自底向上的二叉树的支持向量机模型.实验表明这种识别方法是一种有效的识别方法,它的准确率高于GMM方法.

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