一种基于选择性集成SVM的新闻音频自动分类方法

• 作者: 姬红兵 韩冰 高新波
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 音频自动分类 选择性集成 支持向量机 决策规则
• 年，卷（期）: 2006,（5）
• 所属期刊栏目: 研究与应用
• 页码范围: 634-639
• 页数: 6页
• 分类号: TP3
• 字数: 5908字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2006.05.013

摘要

作为视频检索的一种重要线索,音频检测和分类受到广泛关注并已成为一个热门的研究方向.在新闻视频先验模型和结构的基础上,提出一种基于选择性集成SVM(SEN-SVM)的分类器设计方法.从而将新闻视频划分成静音、音乐、语音和带有背景音乐的语音这4种类型.用8 514s的真实新闻音频数据所作的仿真实验结果表明:所提出基于选择性集成SVM的新闻音频自动分类算法的平均准确率高达98.2%,远远高于单纯基于SVM的方法和传统的基于门限的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高新波	西安电子科技大学电子工程学院	176	3425	27.0	52.0
2	姬红兵	西安电子科技大学电子工程学院	193	2504	25.0	36.0
3	韩冰	西安电子科技大学电子工程学院	24	191	8.0	13.0