典型文献
基于NMF与CNN联合优化的声学场景分类
文献摘要:
针对声学场景分类任务中复杂声学环境的特征表示问题,提出一种联合训练特征提取和分类模型的优化算法.将非负矩阵分解与卷积神经网络的训练相结合,利用网络的损失值实现对特征提取和网络参数的共同更新,以学习到更具判别性的有监督特征.在TUT2017数据集上提取对数声谱图作为基础特征,搭建深度卷积神经网络进行实验验证.仿真结果表明,所提算法的识别准确率相比优化前提升3.9%,且优于其他两种常用声学特征,证明该算法能够有效提升整体分类效果.
文献关键词:
特征学习;非负矩阵分解;卷积神经网络;联合优化
中图分类号:
作者姓名:
韦娟;杨皇卫;宁方立
作者机构:
西安电子科技大学通信工程学院,陕西西安710071;西北工业大学机电学院,陕西西安710072
文献出处:
引用格式:
[1]韦娟;杨皇卫;宁方立-.基于NMF与CNN联合优化的声学场景分类)[J].系统工程与电子技术,2022(05):1433-1438
A类:
声学场景分类,TUT2017
B类:
NMF,联合优化,分类任务,复杂声学环境,特征表示,联合训练,训练特征,分类模型,模型的优化,非负矩阵分解,利用网络,损失值,网络参数,判别性,有监督,数声,声谱图,深度卷积神经网络,识别准确率,声学特征,整体分类,分类效果,特征学习
AB值:
0.37784
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。