文献检索-宁波市创意产业特色资源库

限定检索结果

基于BP-Adaboost强分类器的声音环境识别: 收藏
分享
引用; 《电子设计工程》2021年第9期29卷 146-150页; 作者：张睿智成都理工大学信息科学与技术学院四川成都610059; 针对通过改进分类算法提升声音环境识别正确率的目的,提出了基于BP-Adaboost强分类模型对声音所属环境进行识别的方法。提取声音信号中的梅尔倒谱频系数,通过T分布检验保留高识别度特征,作为声音信号的广义特征;另外,改进传统的分类器...; 针对通过改进分类算法提升声音环境识别正确率的目的,提出了基于BP-Adaboost强分类模型对声音所属环境进行识别的方法。提取声音信号中的梅尔倒谱频系数,通过T分布检验保留高识别度特征,作为声音信号的广义特征;另外,改进传统的分类器训练方式,利用Adaboost算法将多个BP神经网络弱分类器组合成为强分类器,训练声音环境识别模型,根据广义特征对不同环境中的声音进行识别。实验结果表明,BP-Adaboost强分类识别算法相较于传统方法在声音环境识别中的准确率与处理速度上均有显著提升,平均识别率提升了17%,计算效率提升了30%。; 来源：详细信息评论

限定检索结果