基于锚空间的音频场景识别
音频场景是指由若干时间上相邻语义上相关的声学事件组成的，可以用特定语义标签来描述的一段音频。音频 场景识别是对音频内容在这个较高的语义层次的理解和识别。本文通过在长时上对音频特征进行建模，提出了基于锚空间模型的音频场景识别方法。在锚空间的构造中，本文提出了基于高斯混合模型（Gaussian Mixture Model，GMM）的锚学习方法以及基于稀疏限制的坐标分解算法。通过在实际网络多媒体数据上的实验表明，本方法能够有效的识别并检索出目标音频场景。
音频场景 语音识别 高斯模型 数理语言学
石自强 杨静 郑铁然 韩纪庆
哈尔滨工业大学,计算机科学与技术学院,哈尔滨,150001
国内会议
西安
中文
1-4
2011-10-16（万方平台首次上网日期，不代表论文的发表时间）