海量音頻數(shù)據(jù)管理系統(tǒng).pdf

1、由于圖像、視頻等多媒體數(shù)據(jù)檢索技術(shù)相對于文本信息檢索技術(shù)相對落后，多媒體數(shù)據(jù)的迅猛增長并沒有帶來多媒體數(shù)據(jù)應(yīng)用的大量出現(xiàn)。事實(shí)上，現(xiàn)如今市場上的多媒體應(yīng)用大多只是實(shí)現(xiàn)了數(shù)據(jù)的存儲功能，對于數(shù)據(jù)的檢索實(shí)際上只是在多媒體元數(shù)據(jù)上應(yīng)用文本信息檢索的技術(shù)?；趦?nèi)容來管理和查詢的多媒體應(yīng)用屈指可數(shù)，如谷歌的“以圖搜圖”上線至今僅數(shù)年。
　　直到目前為止，基于內(nèi)容的音頻數(shù)據(jù)檢索仍是研究熱點(diǎn)。與此同時，海量音頻數(shù)據(jù)的可擴(kuò)展存儲同樣是一個有價值的

2、研究方向。由于這兩個需求都是在互聯(lián)網(wǎng)數(shù)據(jù)急劇膨脹的今天很現(xiàn)實(shí)的問題，本文對海量音頻數(shù)據(jù)的管理——包括存儲和查詢一一進(jìn)行了研究，并實(shí)現(xiàn)了一個可用、可擴(kuò)展、低延時的海量音頻數(shù)據(jù)管理系統(tǒng)。首先，本文改進(jìn)了HDFS的數(shù)據(jù)存儲策略，使得系統(tǒng)中海量音頻原始數(shù)據(jù)和特征數(shù)據(jù)的存儲能夠?qū)崿F(xiàn)自動的負(fù)載均衡，且這種平衡狀態(tài)不會隨著系統(tǒng)規(guī)模的變動而被打破。再者，本文提出的針對高維音頻特征數(shù)據(jù)的K-means+聚類算法，不僅有著良好的擴(kuò)容比和收斂速度，其聚類結(jié)果

3、在一定程度上還能反映不同集群的音頻特征在語義上的差異，從而為基于內(nèi)容的音頻查詢提供索引支持。第三，本文提出的兩步匹配策略，除了能夠滿足音頻查詢中唯一命中的常用需求，還能幫助找到和查詢片段風(fēng)格類似或不同版本的音頻數(shù)據(jù)，且基于內(nèi)容的音頻查詢在查全率、查準(zhǔn)率以及響應(yīng)時間上均有較好的表現(xiàn)。從實(shí)驗(yàn)結(jié)果來看，結(jié)合這些工作的成果實(shí)現(xiàn)的海量音頻數(shù)據(jù)管理系統(tǒng)能夠很好地完成音頻的存儲和查詢工作。
　　雖然音頻特征提取是本系統(tǒng)其中一個不可或缺的環(huán)節(jié)，但