基于支持向量機(jī)的新聞音頻分類(lèi).pdf

1、在當(dāng)今的數(shù)字信息時(shí)代，多媒體信息處理技術(shù)的日益成熟，計(jì)算機(jī)處理能力和網(wǎng)絡(luò)速度的快速提高，使包含了圖像、視頻、音頻等越來(lái)越多的數(shù)字化多媒體信息開(kāi)始進(jìn)入人們的日常生活，隨之而來(lái)的對(duì)數(shù)字化多媒體信息進(jìn)行分析和查找的需求也越來(lái)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(lái)多媒體處理、信息檢索以及數(shù)據(jù)管理研究領(lǐng)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(duì)視頻圖像內(nèi)容的轉(zhuǎn)換進(jìn)行分類(lèi)分析，而音頻往往能夠提供關(guān)于內(nèi)容場(chǎng)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(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，因此，選擇能夠代表不同類(lèi)別音頻信息的特征，以及選擇合適的音頻分類(lèi)系統(tǒng)成為該方面上的研究重點(diǎn)。 本文提出了一種基于支持向量機(jī)的層次化新聞音頻分類(lèi)系統(tǒng)，由語(yǔ)音/非語(yǔ)音/靜音分類(lèi)器、現(xiàn)場(chǎng)報(bào)道/純語(yǔ)音分類(lèi)器、男性聲音/女性聲音分類(lèi)器、音樂(lè)/噪聲分類(lèi)器組成，結(jié)合新聞視頻語(yǔ)義特點(diǎn)，將音頻信

3、息分為男性聲音、女性聲音、現(xiàn)場(chǎng)報(bào)道、噪音、音樂(lè)、靜音六種不同類(lèi)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(guò)零率比例，低短時(shí)能量比率，譜通量，靜音幀比率等音頻特征，并結(jié)合單獨(dú)最優(yōu)特征組合和序列前向選擇方法對(duì)不同分類(lèi)器進(jìn)行特征向量選擇。在分類(lèi)器構(gòu)造方面，由于支持向量機(jī)很好地解決了小樣本學(xué)習(xí)問(wèn)題，具有很好的泛化能力，本文選用支持向量機(jī)作為分類(lèi)器，并針對(duì)多類(lèi)分類(lèi)問(wèn)題，提出了決策樹(shù)的層次化音頻分類(lèi)