文档摘要：本文主要以网络获取和自制音频作为研究对象,采用张量分解作为处理手段,把音频信号映射到高阶子空间完成特征建模和分类器建模,实现音频信号的分类.实验结果表明:张量分解的高阶子空间方法在分类效果上优于传统的支持向量机和高斯混合模型分类器,为提升音频分类性能提供了理论和技术支撑.
Abstract：Audioisanimportantclassofmultimediadata.Themassiveaudioresourcesneedclassificationinordertoeffectivelymanageandutilizethem.Theclassificationofaudiosignalsoriginatedfromthenetworkandrecordedbyourselveswasrealized.Theaudiosig-nalwasmappedintoahighordersubspace,andthenfeaturemodelingandclassifiermodelingwereobtainedbyusingtensorfactoriza-tion.ExperimentresultsshowedthattheperformanceofclassificationoftensorfactorizationproposedinhighordersubspaceisbetterthanthatofthesupportvectormachineclassifierandGaussmixturemodelclassifier.Theproposedmethodmayprovidetheoreticalandtechnicalsupportforimprovingtheperformanceofaudioclassification.
作者：杨立东 靳浩杨 张壮壮 胡江涛Author：YANGLi-dong JINHao-yang ZHANGZhuang-zhuang HUJiang-tao
作者单位：内蒙古科技大学信息工程学院,内蒙古包头,014010
刊名：内蒙古科技大学学报
Journal：JournalofInnerMongoliaUniversityofScienceandTechnology
年，卷(期)：2018, 37(1)
分类号：TN912.3
关键词：音频分类 张量 特征提取 高阶子空间
Keywords：audioclassification tensor featureextraction highordersubspace
机标分类号：
在线出版日期：2018年7月4日
基金项目：国家自然科学基金资助项目，内蒙古自然科学基金资助项目(2017MS基于张量模型的音频分类方法研究[
期刊论文] 内蒙古科技大学学报--2018, 37(1)杨立东 靳浩杨 张壮壮 胡江涛本文主要以网络获取和自制音频作为研究对象,采用张量分解作为处理手段,把音频信号映射到高阶子空间完成特征建模和分类器建模,实现音频信号的分类.实验结果表明:张量分解的高阶子空间方法在分类效果上优于传统的支持向...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
关键词：音频分类,张量,特征提取,高阶子空间,
|
|
