基于小波和支持向量機(jī)模型的音頻分類研究.pdf

1、音頻處理在多媒體信息處理中占有重要地位。原始音頻數(shù)據(jù)是一種非語義符號表示和非結(jié)構(gòu)化的二進(jìn)制流，如何提取音頻中的內(nèi)容語義和結(jié)構(gòu)化信息是音頻信息深度處理、基于內(nèi)容的音頻檢索以及輔助視頻分析等應(yīng)用的關(guān)鍵?；趦?nèi)容的音頻分類作為解決音頻結(jié)構(gòu)化問題的核心技術(shù)，是當(dāng)前音頻內(nèi)容自動(dòng)分析領(lǐng)域的一個(gè)研究熱點(diǎn)。
　　支持向量機(jī)SVM(Support Vector Machines)是近年來機(jī)器學(xué)習(xí)研究的一項(xiàng)重大成果。作為一種新的機(jī)器學(xué)習(xí)方法，SVM能

2、較好地解決小樣本、非線性和高維數(shù)等實(shí)際問題，因此成為繼神經(jīng)網(wǎng)絡(luò)研究之后新的研究熱點(diǎn)。本文圍繞音頻分類的兩大技術(shù)難點(diǎn)——特征分析與抽取以及分類器設(shè)計(jì)展開研究，主要內(nèi)容如下：
　　(1)概要地介紹了SVM的基本理論，提出使用多類分類方法來研究音頻分類。
　　(2)本文從幀層次上分析了不同類音頻之間的區(qū)別性特征，對車鳴聲，鐘聲，風(fēng)聲，冰塊聲，機(jī)床聲和雨聲等六類環(huán)境音進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明，基于SVM多類分類器的環(huán)境音分類性能較好，