基于支持向量機的新聞音頻分類.pdf

1、在當今的數(shù)字信息時代，多媒體信息處理技術的日益成熟，計算機處理能力和網(wǎng)絡速度的快速提高，使包含了圖像、視頻、音頻等越來越多的數(shù)字化多媒體信息開始進入人們的日常生活，隨之而來的對數(shù)字化多媒體信息進行分析和查找的需求也越來越迫切。因此，基于內(nèi)容的音視頻處理和檢索已成為近年來多媒體處理、信息檢索以及數(shù)據(jù)管理研究領域的重要課題之一。 現(xiàn)有的基于內(nèi)容的多媒體檢索系統(tǒng)多針對視頻圖像內(nèi)容的轉(zhuǎn)換進行分類分析，而音頻往往能夠提供關于內(nèi)容場景變化的

2、輔助信息，從而成為現(xiàn)在多媒體檢索系統(tǒng)中不可或缺的重要組成部分。而原始的音頻數(shù)據(jù)是一種非語義符號表示和非結(jié)構(gòu)化的二進制流，缺乏內(nèi)容語義的描述和結(jié)構(gòu)化的組織，因此，選擇能夠代表不同類別音頻信息的特征，以及選擇合適的音頻分類系統(tǒng)成為該方面上的研究重點。 本文提出了一種基于支持向量機的層次化新聞音頻分類系統(tǒng)，由語音/非語音/靜音分類器、現(xiàn)場報道/純語音分類器、男性聲音/女性聲音分類器、音樂/噪聲分類器組成，結(jié)合新聞視頻語義特點，將音頻信

3、息分為男性聲音、女性聲音、現(xiàn)場報道、噪音、音樂、靜音六種不同類別。在音頻特征選擇方面，本文選用了包括美爾倒譜系數(shù)、頻譜能量分布、子帶能量分布、頻譜質(zhì)心、高過零率比例，低短時能量比率，譜通量，靜音幀比率等音頻特征，并結(jié)合單獨最優(yōu)特征組合和序列前向選擇方法對不同分類器進行特征向量選擇。在分類器構(gòu)造方面，由于支持向量機很好地解決了小樣本學習問題，具有很好的泛化能力，本文選用支持向量機作為分類器，并針對多類分類問題，提出了決策樹的層次化音頻分類