

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和通訊技術(shù)的不斷發(fā)展,圖像、視頻、音頻等多媒體數(shù)據(jù)已逐漸成為信息處理領(lǐng)域中主要的信息媒體形式,其中音頻信息占有重要的地位。 原始音頻數(shù)據(jù)是一種非語(yǔ)義符號(hào)表示和非結(jié)構(gòu)化的二進(jìn)制流,缺乏內(nèi)容語(yǔ)義的描述和結(jié)構(gòu)化的組織,給音頻信息的深度處理和分析工作帶來(lái)了很大的困難。如何提取音頻中的結(jié)構(gòu)化信息和內(nèi)容語(yǔ)義是音頻信息深度處理、基于內(nèi)容檢索和輔助視頻分析等應(yīng)用的關(guān)鍵。音頻分類(lèi)與分割技術(shù)是解決這一問(wèn)題的關(guān)鍵技術(shù),是音頻結(jié)
2、構(gòu)化的基礎(chǔ)。本文在總結(jié)前人研究成果的基礎(chǔ)上,研究了音頻特征的分析與抽取、基于GMM的音頻分類(lèi)和基于SVM的音頻分類(lèi)問(wèn)題。 本文工作主要包括以下內(nèi)容: (1)分析了語(yǔ)音和音樂(lè)的特征參數(shù),并提取其相關(guān)特征。 (2)分別使用GMM和SVM分類(lèi)算法做為語(yǔ)音和音樂(lè)的分類(lèi)器,并比較了這兩種分類(lèi)器的性能。 (3)使用SVM分類(lèi)器實(shí)現(xiàn)語(yǔ)音端點(diǎn)檢測(cè),并與基于能量和過(guò)零率的端點(diǎn)檢測(cè)方法進(jìn)行了比較。 (4)給出了一種基
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVM和組合特征的分類(lèi)算法研究.pdf
- 基于SVM和GMM的說(shuō)話(huà)人辨識(shí)方法研究.pdf
- 噪聲環(huán)境下的基于GMM-SVM說(shuō)話(huà)人識(shí)別算法.pdf
- 基于GMM與改進(jìn)LS-SVM算法的說(shuō)話(huà)人識(shí)別研究.pdf
- 集成Logistic和SVM的分類(lèi)算法研究.pdf
- 基于SVM分類(lèi)算法的主題爬蟲(chóng)研究.pdf
- 基于SVM的分類(lèi)挖掘算法及其應(yīng)用.pdf
- 基于GMM和SVM的說(shuō)話(huà)人識(shí)別系統(tǒng)研究.pdf
- 基于GMM和SVM的說(shuō)話(huà)人識(shí)別方法研究.pdf
- 基于隨機(jī)子空間的SVM分類(lèi)算法研究.pdf
- 基于LS-SVM的多標(biāo)簽分類(lèi)算法.pdf
- 基于SVM算法的web分類(lèi)研究與實(shí)現(xiàn).pdf
- 基于SVM的食物圖像分類(lèi)算法的研究.pdf
- 基于GMM和SVM的文本無(wú)關(guān)的說(shuō)話(huà)人確認(rèn)方法研究.pdf
- 基于AUC的SVM多類(lèi)分類(lèi)算法的優(yōu)化.pdf
- 基于SVM算法的文本分類(lèi)器的實(shí)現(xiàn).pdf
- 基于SVM算法的本體實(shí)例分類(lèi)改進(jìn)研究.pdf
- 基于SVM與AdaBoost組合的分類(lèi)算法研究.pdf
- 基于SVM分類(lèi)器的分步定位算法研究.pdf
- 基于底層特征和SVM的圖像分類(lèi).pdf
評(píng)論
0/150
提交評(píng)論