基于支持向量机的音频分类与分割

• 作者: 吴玲达 白亮 老松杨 陈剑赟
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 音频分类与分割 支持向量机
• 年，卷（期）: 2005,（4）
• 所属期刊栏目: 人工智能与图像处理技术
• 页码范围: 87-90,封四
• 页数: 5页
• 分类号: TP3
• 字数: 6362字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2005.04.028

摘要

音频分类与分割是提取音频结构和内容语义的重要手段,是基于内容的音频、视频检索和分析的基础.支持向量机(SVM)是一种有效的统计学习方法.本文提出了一种基于SVM的音频分类算法.将音频分为5类:静音、噪音、音乐、纯语音和带背景音的语音.在分类的基础上,采用3个平滑规则对分类结果进行平滑.分析了SVM分类器的分类性能,同时也评估了本文提出的新的音频特征在SVM分类器上的分类效果.实验结果显示,基于SVM的音频分类算法分类效果良好,平滑处理后的音频分割结果比较准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴玲达	国防科技大学多媒体研发中心	162	1529	19.0	30.0
2	老松杨	国防科技大学多媒体研发中心	70	757	15.0	24.0
3	白亮	国防科技大学多媒体研发中心	23	249	8.0	15.0
4	陈剑赟	国防科技大学多媒体研发中心	6	90	4.0	6.0