典型文献
基于双二流卷积和多特征融合的D-S声音分类
文献摘要：
针对现有模型声音分类精度不足的问题,提出了一种基于多特征双二流网络的D-S融合模型.首先,提出了四种组合特征来更全面有效地表征声音.其次,提出双二流网络结构来更好地训练模型.第一和二流网络采用多分辨率多通道特征送入二阶密集卷积网络(2-DenseNet),其中2-DenseNet被分成了两个密集块.第三和四流网络采用单分辨率单通道的特征拼接送入四层CNN.然后利用D-S证据理论对softmax层的输出结果进行融合,得到D-S-Net模型.实验结果表明,基于UrbanSound8k数据集,经数据增强后该模型的准确率达96.36％,较基线提高了25.34％,并验证了在噪声环境下的鲁棒性,在20 dB信噪比下具有90.34％的识别率,在低信噪比下的性能得到了很好的提升.
文献关键词：
声音分类;特征融合;密集卷积网络;D-S融合;双二流网络
中图分类号：
作者姓名：
吴佳赛;高振斌
作者机构：
河北工业大学 电子信息工程学院,天津300401
文献出处：
引用格式：
[1]吴佳赛;高振斌-.基于双二流卷积和多特征融合的D-S声音分类)[J].计算机应用研究,2022(03):693-698,703
A类：
双二流网络,UrbanSound8k
B类：
多特征融合,声音分类,现有模型,分类精度,融合模型,组合特征,训练模型,多分辨率,多通道特征,送入,密集卷积网络,DenseNet,密集块,三和,四流,单通道,特征拼接,接送,四层,证据理论,softmax,输出结果,数据增强,噪声环境,dB,识别率,低信噪比
AB值：
0.296676
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
