基于张量神经网络的音频多语义分类方法

• 作者: 朱敏 贺梅 邢玲 马强
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 语义离散度 多语义分类 语义表征 张量语义空间 神经网络
• 年，卷（期）: 2012,（10）
• 所属期刊栏目: 人工智能
• 页码范围: 2895-2898
• 分类号: TP18|TP391
• 字数: 4660字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2012.02895

摘要

音频特征向量已广泛应用于音频分类的研究,该表示形式虽能有效体现音频的固有特性,但无法表示音频信息多语义特性及各语义间的相关性.提出了基于张量统一内容定位(TUCL)的音频语义表征方式,将音频语义描述表示为三阶张量,并构建多语义张量空间.在此空间中,张量语义离散度(TSD)能有效聚集具有相同语义的音频资源,通过计算各音频资源的TSD来完成对音频资源的分类,并构建了RBF张量神经网络(RBFTNN)来自适应学习分类模型.实验结果表明,在多语义分类的情况下,TSD算法的分类性能明显优于当前典型的高斯混合模型(GMM)算法；通过与支持向量机(SVM)学习模型相比可知,基于TSD的RBFTNN模型分类学习的准确率明显优于基于TSD的SVM模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邢玲	西南科技大学信息工程学院	21	189	6.0	13.0
2	马强	西南科技大学信息工程学院	10	49	3.0	6.0
3	朱敏	西南科技大学信息工程学院	5	8	2.0	2.0
4	贺梅	西南科技大学信息工程学院	1	2	1.0	1.0