基于人工智能的音频事件分类系统研究
文档名：基于人工智能的音频事件分类系统研究
摘要：针对音频时间分类领域中的挑战,提出一种基于人工智能的音频分类系统,并结合传统隐马尔可夫模型(HiddenMarkovModel,HMM)优化方法,采用UrbanSound数据集进行测试.首先,介绍了音频分类系统的框架.其次,针对传统HMM模型的不足,提出一种基于模型融合的HMM优化方法,通过多模型投票的方式提高分类的准确性和健壮性.最后,在MATLAB平台上进行实验.实验结果表明,该方法的准确率、精确率、召回率均优于传统HMM模型.
Abstract：Thearticleproposesanartificialintelligencebasedaudioclassificationsystemtoaddressthechallengesinthefieldofaudiotimeclassification,combinedwithtraditionalHiddenMarkovModel(HMM)optimizationmethods,andtestedusingtheUrbanSounddataset.Firstly,theframeworkoftheaudioclassificationsystemwasintroduced.Secondly,inresponsetotheshortcomingsoftraditionalHMMmodels,amodelfusionbasedHMMoptimizationmethodisproposedtoimprovetheaccuracyandrobustnessofclassificationthroughmultiplemodelvoting.Finally,conductexperimentsontheMATLABplatform.Theexperimentalresultsshowthattheaccuracy,precision,andrecallofthismethodaresuperiortotraditionalHMMmodels.
作者：付兆婷Author：FUZhaoting
作者单位：白银开放大学白银学院,甘肃白银730900
刊名：电声技术
Journal：AudioEngineering
年，卷(期)：2024, 48(3)
分类号：TN912.34
关键词：人工智能音频分类模型融合
Keywords：artificialintelligenceaudioclassificationmodelfusion
机标分类号：TP391TN911.73TP274
在线出版日期：2024年4月30日
基金项目：基于人工智能的音频事件分类系统研究[
期刊论文]电声技术--2024, 48(3)付兆婷针对音频时间分类领域中的挑战,提出一种基于人工智能的音频分类系统,并结合传统隐马尔可夫模型(HiddenMarkovModel,HMM)优化方法,采用UrbanSound数据集进行测试.首先,介绍了音频分类系统的框架.其次,针对传统HMM模型...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于人工智能的音频事件分类系统研究Research on Audio Event Classification System Based on Artificial Intelligence
基于人工智能的音频事件分类系统研究.pdf
页:
[1]