基于流形学习和SVM的环境声音分类

• 作者: 余清清 李勇 李应
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 生态环境声音分类 流形学习 支持向量机
• 年，卷（期）: 2011,（7）
• 所属期刊栏目: 开发研究与设计技术
• 页码范围: 288-290
• 分类号: TP311
• 字数: 4521字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2011.07.097

摘要

为利用生态环境中各种声音包含的信息,提出一种将流形学习算法和支持向量机(SVM)相结合的生态环境声音分类技术.提取音频强度、音色、音调和音频节奏的特征集合并计算对应的特征向量,采用改进的拉普拉斯特征映射流形学习算法对特征向量进行维数约简,从而降低数据处理的复杂性.使用SVM对降维后的特征向量进行分类,发挥SVM在处理小样本、非线性及高维数据方面的优势,从而提高分类准确率.实验结果表明,该技术能对生态环境声音进行快速准确的分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余清清	福州大学数学与计算机科学学院	5	23	3.0	4.0
2	李应	福州大学数学与计算机科学学院	39	185	7.0	10.0
3	李勇	福州大学数学与计算机科学学院	8	38	5.0	6.0