计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2004年
18期
99-101
,共3页
支持向量机%乐器识别%高斯混合模型
支持嚮量機%樂器識彆%高斯混閤模型
지지향량궤%악기식별%고사혼합모형
文章提出了一种基于支持向量机的乐器识别方法.与其它的模式识别方法不同,支持向量机是专门针对有限样本情况下的一种分类方法,在小样本的情况下,它的准确率一般优于传统的模式识别方法.它是建立在统计学习理论的VC维理论和结构风险最小原理基础上的,根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折衷,以期获得最好的推广能力.实验以乐器的MFCC系数和它的一阶导数为声学特征,建立一个自底向上的二叉树的支持向量机模型.实验表明这种识别方法是一种有效的识别方法,它的准确率高于GMM方法.
文章提齣瞭一種基于支持嚮量機的樂器識彆方法.與其它的模式識彆方法不同,支持嚮量機是專門針對有限樣本情況下的一種分類方法,在小樣本的情況下,它的準確率一般優于傳統的模式識彆方法.它是建立在統計學習理論的VC維理論和結構風險最小原理基礎上的,根據有限的樣本信息在模型的複雜性(即對特定訓練樣本的學習精度)和學習能力(即無錯誤地識彆任意樣本的能力)之間尋求最佳摺衷,以期穫得最好的推廣能力.實驗以樂器的MFCC繫數和它的一階導數為聲學特徵,建立一箇自底嚮上的二扠樹的支持嚮量機模型.實驗錶明這種識彆方法是一種有效的識彆方法,它的準確率高于GMM方法.
문장제출료일충기우지지향량궤적악기식별방법.여기타적모식식별방법불동,지지향량궤시전문침대유한양본정황하적일충분류방법,재소양본적정황하,타적준학솔일반우우전통적모식식별방법.타시건립재통계학습이론적VC유이론화결구풍험최소원리기출상적,근거유한적양본신식재모형적복잡성(즉대특정훈련양본적학습정도)화학습능력(즉무착오지식별임의양본적능력)지간심구최가절충,이기획득최호적추엄능력.실험이악기적MFCC계수화타적일계도수위성학특정,건립일개자저향상적이차수적지지향량궤모형.실험표명저충식별방법시일충유효적식별방법,타적준학솔고우GMM방법.