基于支持向量机模型的环境音分类研究

• 作者: 张小梅 杨鼎才
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 环境音分类 支持向量机 MFCC
• 年，卷（期）: 2008,（9）
• 所属期刊栏目: 信息技术
• 页码范围: 121-123,132
• 页数: 4页
• 分类号: TN912.3
• 字数: 2803字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-7300.2008.09.035

摘要

音频分类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.将环境音分为6类:车鸣声,钟声,风声,冰块声,机床声和雨声.特征抽取是音频分类的基础.本文从帧层次上深入分析了不同类音频之间的区别性特征,包括频域能量,子带能量,过零率,频率中心,带宽,基音频率及MFCC(Mel-Frequency Cepstral Coefficients).实验结果表明,支持向量机模型的环境音分类性能较好,最优分类精度达到97.73%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨鼎才	燕山大学信息科学与工程学院	34	286	9.0	15.0
2	张小梅	燕山大学信息科学与工程学院	1	4	1.0	1.0