基于PCA和CHMM的音频自动分类

• 作者: 吴江 张德同 张新彩 王小凤 耿国华
• 来源期刊: 计算机应用研究
• 关键词: 主成分分析 连续隐马尔可夫模型 基于内容的音频分类
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1257-1259
• 页数: 3页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.04.014

摘要

针对DHMM分类器对音频特征进行向量量化引起的误差及特征维数过多导致计算复杂度过大的问题,提出了一种新的基于PCA和CHMM的音频自动分类方法.它先将音频特征组成一个高维向量,然后使用PCA对这些高维向量进行降维,再使用CHMM分类器对降维后的特征进行分类.实验证明了PCA和CHMM音频分类的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	耿国华	西北大学信息科学与技术学院	497	5986	35.0	55.0
2	吴江	西北大学信息科学与技术学院	40	487	13.0	20.0
3	王小凤	西北大学信息科学与技术学院	31	210	8.0	12.0
4	张德同	西北大学信息科学与技术学院	13	92	6.0	9.0
5	张新彩	西北大学信息科学与技术学院	1	7	1.0	1.0