基于SVM模型的自然环境声音的分类
余清清
李应
李勇
1.福州大学数学与计算机科学学院,福州,3501082.福州大学数学与计算机科学学院,福州,3501083.福州大学数学与计算机科学学院,福州,350108
摘要：提出了一种基于支持向量机(SVM)模型对自然环境声音进行分类的方法.首先,提取Mel频率倒谱系数(MFCCs)来分析声音信号;其次,对自然环境的声音基于MFCC特征集建立SVM模型;最后,使用交叉验证的测试方法得到基于SVM算法的分类结果.使用SVM模型对50类自然环境中的声音进行分类的正确率可达99.5704%,分类效果明显优于K最近邻(KNN)和二分嵌套整合(END)这两种算法.
关键词：自然环境声音的分类Mel频率倒谱系数支持向量机交叉验证
分类号：TP391(计算技术、计算机技术)
资助基金：福建省教育厅科技项目(A类)(JA09021)
论文发表日期：2010-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1-5,138 )
英文信息